实战：使用 Python 和 OpenCV 创建自己的“CamScanner”

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

小伙伴们有没有想过“CamScanner”如何将我们移动相机的模糊文档图片转换为定义好的、光线充足的扫描图像？我曾经并且直到最近我认为这是一项非常艰巨的任务，但事实并非如此，我们可以用相对较少的代码行创建我们自己的“CamScanner”。

什么是计算机视觉以及为什么如此流行？

计算机视觉是一个跨学科的科学领域，研究计算机如何从数字图像或视频中获得高水平的理解。从工程的角度来看，它试图理解和自动化人类视觉系统可以完成的任务，它是一个科学领域，可以让计算机理解照片/视频，类似于人类如何理解它。

人工智能和机器学习的进步加速了计算机视觉的发展，早期这是两个不同的领域，并且两者都有不同的技术、编码语言和学术研究人员，但现在这一差距已经大大缩小，越来越多的数据科学家在计算机视觉领域工作，反之亦然。原因在于这两个领域有着简单共同点——数据。

归根结底，计算机是通过消耗数据来学习，而人工智能不仅可以帮助计算机进行处理，还可以通过反复试验来提高其理解/解释能力。所以现在，如果我们可以结合图像数据并在其上运行复杂的机器学习算法，那么我们得到的便是一个真正的人工智能。

我们今天要实现什么？

在文章中，我们将只专注于计算机视觉，而机器学习我们以后再说。此外，我们将只使用一个OpenCV库来创建整个内容。

索引

1. 什么是 OpenCV？

2. 使用不同的概念对图像进行预处理，例如模糊、阈值处理、去噪（非局部均值）。

3. Canny 边缘检测和最大轮廓提取

4. 最后——锐化和亮度校正

什么是 OpenCV

OpenCV 是一个主要针对实时计算机视觉的编程函数库，最初由 Intel 开发，后来由 Willow Garage 和 ITEZ 提供支持。该库是跨平台的，可在开源 BSD 许可下免费使用，它最初是用 C++ 开发的，但现在它可以跨多种语言使用，例如 Python、Java 等。

预处理

模 糊

模糊的目的是减少图像中的噪声，它从图像中去除高频内容（例如：噪声、边缘），导致边缘模糊。

平均——它只是取内核区域下所有像素的平均值，并用这个平均值替换中心元素。

高斯滤波器——使用高斯核代替由相等滤波器系数组成的盒式滤波器。

中值滤波器——计算内核窗口下所有像素的中值，并用这个中值替换中心像素。

双边滤波器——高斯模糊的高级版本，它不仅可以消除噪音，还可以平滑边缘。

原始VS高斯模糊

阈 值

在图像处理中，阈值分割是最简单的图像分割方法，在灰度图像中，阈值可用于创建二值图像，这样做通常是为了清楚地区分不同的像素强度阴影。

简单阈值——如果像素值大于阈值，则为其分配一个值（可能是白色），否则为其分配另一个值（可能是黑色）。

自适应阈值——算法计算图像小区域的阈值。因此，对于同一图像的不同区域，我们可以得到不同的阈值，对于不同照明的图像，我们可以得到更好的结果。

注意：切记在阈值之前将图像转换为灰度