背景
- 給導師看了下自己的畢設系統，建議是可以添加一些互動性。可以在紙張檢測上弄一下，也就是拍一張帶有紙張的圖像，然後提取出紙張邊緣並提取出來。
- 提取出紙張有很多種方法，以前做車牌識別系統的時候，利用圖像處理的方法定位出車牌的位置，用的是輪廓提取的方法， 首先找藍色的區域（所以只能支持藍色車牌），然後找到矩形輪廓區域，車牌矩形滿足一定的寬高比例，然後就可以找到車牌了。然而紙張並不像車牌那樣規規矩矩，有時候紙張會出現形變等情況，而且紙張內部如果寫有字，可能也會影響紙張的提取，顏色提取就更不用說了，字跡和光照也會影響的。如何進行紙張檢測和提取是一個有意思的研究。
方法
似乎有很多方法可以提取紙張，比如直線檢測，找到直線相交的四個點，也可以基於邊緣檢測和輪廓法，深度學習方法來提取紙張，是一種很弟弟的行爲，紙張內部的字、畫等會嚴重影響其訓練效果，圖像處理方法就是個很不錯的選擇。然而，圖像處理說簡單其實似乎也不簡單。這裏我使用輪廓提取的方法來提取。
步驟：
（準備：白色A4紙張，背景桌面儘量純色，然後再弄幾張有代表性的複雜背景桌面，opencv，python）
- 縮放，統一尺寸
由於是手機拍攝的，大部分是百萬像素以上，4000x3000的像素，縮放到1000x750，方便處理，然後copy一張灰度的圖像做主要處理圖像。 - 濾波處理
中值濾波，核大小爲3x3，手機拍出來一般沒啥噪聲點，稍微簡單處理下就就行了，或者不加。另外要說明的是，如果圖像拍出來是模糊的，再濾波一下，會檢測不到邊緣的。 - 二值化
用大津閾值分割法，自適應進行二值化。白色紙張 - 邊緣檢測
有很多很多種邊緣檢測方法，最好用Canny，而且一般都用Canny法。邊緣提取效果非常好。 - 提取輪廓
輪廓的提取，opencv有findContours()函數，直接調用就行了，返回的contours對象，包含有n個帶有m個點的數據，這m個點圍起來就是一個輪廓，一共有n組。 - 篩選輪廓1
第一次篩選，使用的方法很粗暴簡單，提取的輪廓必須要大於100000，也就是說，750x1000=750000，要輪廓面積大於整個圖像的1/7.5的，其它的直接pass掉，紙張肯定在圖像裏面，並且涵蓋大部分區域 - 篩選輪廓2
第二次篩選，要做一些處理，首先是提取凸包，得到凸包的角點，然後對這個凸包n邊形進行擬合，擬合的結果，肯定是一個多邊形，然後判斷這個多邊形是否爲4邊形就ok了。 - 仿射變換，提取
在上一步中，會直接得到4個點，將這四個點進行排序，然後進行放射變換，就可以提取需要的結果了。
結果
不足之處，仍然有一些提取錯誤的，這些錯誤的圖像，包含了紙張，但是也含有其它的部分，這是在提取輪廓這個步驟中失誤的，因此在提取輪廓中，如何進行進一步篩選則是未來的一個問題，不過對於個人的畢設，利用上述步驟已經完全足夠，因爲背景並不複雜，結果如下：
下面全是圖
