名片定位與校正

相機取像時和掃瞄機取像不同，在名片本體以外，還會拍攝到外圍環境的

景物，且有透視扭曲的變形狀況。名片定位的目的在於擷取出名片邊界供投影

校正使用。由於一般名片形狀為直角矩形，找出的名片四邊形範圍可使用幾何

轉換使影像變形，將四邊形範圍投影成直角矩形，校正透視扭曲，如圖 4。

圖 4、理想的投影校正

本研究使用 Saliency Map[19]和 Canny[8]邊緣偵測標定在人類視覺上顯著區

域的邊緣，再使用 Hough transform 分別找出名片之上、下，左、右邊界。

由於人類視覺上有兩個特性：

1. 人眼對灰度變化的感覺比對色調變化的感覺來得敏銳

2. 人眼對於黑暗中的細節比對明亮中的細節還要更敏感

因此以一般在彩色影像，例如圖 5(a)，轉灰階圖 5(b)再尋找邊緣的方式，

和真正人眼所感知的視覺邊緣有落差，Saliency Map 即是將影像上視覺較顯著

部份標記為較亮部份的一種圖片表示法，如圖 6。

(a)原始影像 (b) 灰階影像

圖 5、彩色轉灰階示意圖

圖 6、Saliency map 示意圖

Saliency Map 使用兩種遮罩來模擬人類視覺，兩種遮罩以 sliding window 法 分別在影像上掃描移動。本研究使用 Montabone 和 Soto[20]的實作版本，此版

本使用積分影像（integral image）加速計算。為更加速計算效率，將原始圖像

縮小成 320*240 pixels 再作 Saliency Map 運算。

將得到的 Saliency Map 再作 Canny 邊緣偵測，則得到留下邊緣資訊的二值化 影像，由圖 7 中可觀察到，在名片的四個邊聚集較多 Canny 偵測到的邊緣。

圖 7、Canny 邊緣偵測應用於 Saliency map 之結果

Hough transform 在偵測直線時具有斷線偵測的強健性，因此即使 Canny 邊緣 影像的邊線沒有完全偵測到，還是可以選出名片最外範圍的四個邊。

為了減少計算量，僅在影像之局部作直線偵測，見圖 8。h 為影像高度， w 為影像寬度。高度 y0到 ya之間，寬度為 w 之矩形為上邊界偵測範圍；Yb到 Yh之 間，寬度為 w 之矩形，為下邊界偵測範圍；寬度 x0到 xa，高度為 h 之矩形為左 邊界偵測範圍；xb到 xw，高度為 h 之矩形為右邊界偵測範圍，分別在這四個矩形 範圍內以 Hough transform 尋找最長的直線。在本研究中，xa為 0.25*w，xb為 0.75*w，ya為 0.3*h，Yb為 0.7*h。

圖 8、影像局部直線偵測範圍

選出四條對應於名片四邊形範圍的直線後(圖 9)，直線兩兩相交的點定義為

  

x_i^,y_i ^,i ^1,2,3,4 ，四點分別稱為點 A, B, C, D。

圖 9、以 Hough transform 尋找上、下、左、右四個長邊

(x

, y

) (x

, y

)

A B

C D

(x

, y

) (x

, y

)

y

x

x

(x

, y

)

y

(x

, y

)

當 A, B, C, D 四點都計算出來後，由於名片的預期形狀是長方形，利用仿射 轉換將 A, B, C, D 四點對應到圖 9 的 A’, B’, C’, D’ 四點。

圖 10、仿射轉換後的名片邊界

  

 x_i,y_i ,i 1,2,3,4 分別對應到x_i,y_i,i 1,2,3,4 ，由於邊 AB 實際上應為

水平線且長度跟邊 DC 相等，故在邊 AB 和邊 DC 中選取一個長度最長的邊作

為邊 A’B’的長度，相同地，邊 AD 實際上也應和邊 BC 長度相等且為垂直線，

為保留最多資訊，選取邊 AD 和邊 BC 中最長的邊作為邊 A’D’的長度，見圖 10

只要將原始影像的空間 I0透過仿射轉換矩陣 H 來得到我們預期的影像空間

It，即可將四邊形名片校正成矩形，轉換方法如下：

H I

I_t  ₀ (1)

根據 Hartley 等[21]在轉換參數 H 上的討論，計算矩陣 H 的公式如下：

R P

H  ^1 (2)

其中 H 是仿射轉換矩陣，R 是影像四個參考點的對應座標，P 是輸入參數

座標點矩陣，這三個矩陣定義如下：

