CN103473541B - 一种证件透视校正方法及系统 - Google Patents

Abstract

本发明涉及一种证件透视校正方法及系统，属于图像校正领域。现有的证件透视校正大多基于边缘检测算法，容易受到外界环境的影响。本发明所述的方法及系统首先对输入的图像进行倾斜检测，得到图像倾斜角度，并以其作为基准生成两个标准向量；然后计算图像各像素点的梯度信息，得到图像各像素点的梯度向量，再计算梯度向量与标准向量的相关性，生成梯度相关性图像；最后对梯度相关性图像进行直线霍夫变换，定位变换后图像中的证件边界四边形，对证件进行透视校正，得到校正图像。采用本发明所述的方法及系统对证件进行透视校正，对弱边界有较好的适应性，并能较好的抵抗背景的干扰，得到良好的检测和校正效果。

Description

一种证件透视校正方法及系统

技术领域

本发明属于图像校正领域，具体涉及一种图像中证件透视校正方法及系统。

背景技术

如果期望平行的物体直线与胶片平面不平行的话就会在照片中出现透视投影失真。一种常见的情形就是当我们从地面上拍摄一个较高的建筑物的时候，通常将照相机向后倾斜，这样建筑物看起来就会较远，由于业余摄影的流行，用低档照相机拍摄的带有透视失真的照片已经很普遍。

透视校正是对照片进行合成或者编辑以得到符合大众对于透视失真理解的结果的过程。现有技术中，证件的透视校正大多基于边缘检测算法，即利用边缘检测获取证件边界四边形的位置，从而完成证件的定位，并根据边界四边形进行透视校正。然而，边缘检测算法难以适应各种复杂的情况，容易受到外界环境的影响，如弱边界、背景干扰以及尺度问题等，这就造成算法本身难以适应各种情况得到较为准确的证件边缘信息，最后得到的边界往往不可信，难以完成证件的校正工作。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种证件透视校正方法及系统，该方法及系统能够较好的适应弱边界以及背景干扰的情况，得到良好的证件定位和透视校正效果。

为达到以上目的，本发明采用的技术方案是：

一种证件透视校正方法，包括以下步骤：

S1：输入图像，对所述图像进行倾斜检测，得到图像倾斜角度，并以图像倾斜角度作为基准生成标准向量；所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件；

S2：计算所述图像中各像素点的梯度信息，得到图像中各像素点的梯度向量，所述的梯度信息包括梯度幅度值和梯度角度值;

S3：计算图像中各像素点的梯度向量与所述标准向量的相关性，生成梯度相关性图像；所述的梯度相关性图像包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像；

S4：对所述的梯度相关性图像进行直线霍夫变换，定位出图像中证件的边界，对定位出的证件进行透视校正，得到校正图像。

进一步，如上所述的一种证件透视校正方法，步骤S1中，对所述图像进行倾斜检测，得到图像倾斜角度的过程包括以下步骤：

（1）将所述图像进行二值化处理，得到二值化图像；

（2）获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

（3）将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

进一步，如上所述的一种证件透视校正方法，步骤S1中，对所述图像进行倾斜检测，得到图像倾斜角度的过程还可以采用如下方式：对图像进行版面成行分析，并对每一行字符进行基线拟合完成倾斜角度θ_skew的检测。

进一步，如上所述的一种证件透视校正方法，步骤S1中，所述的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量其中θ_skew为所述图像倾斜角度。

进一步，如上所述的一种证件透视校正方法，步骤S2中，计算图像中各像素点的梯度信息，得到图像中各像素点的梯度向量的具体方式如下：

gradX(x,y)=image(x+1,y)-image(x-1,y)

gradY(x,y)=image(x,y+1)-image(x,y-1)

$\mathrm{grad}\mathrm{Mag}(x,y)=\sqrt{{\mathrm{grad}X(x,y)}^2+\mathrm{grad}Y{(x,y)}^2}$

$\mathrm{grad}\mathrm{Dir}(x,y)=\arctan \left(\frac{\mathrm{grad}Y(x,y)}{\mathrm{grad}X(x,y)}\right)$

${\stackrel{\→}{V}}_{\mathrm{grad}}(x,y)=[\mathrm{grad}\mathrm{Mag}(x,y)\×\cos \left(\mathrm{grad}\mathrm{Dir}(x,y)\right),\mathrm{grad}\mathrm{Mag}(x,y)\×\sin \left(\mathrm{grad}\mathrm{Dir}(x,y)\right)]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。

进一步，如上所述的一种证件透视校正方法，步骤S3中，所述相关性是指梯度向量和标准向量间的点乘数值，梯度向量和与图像倾斜角度方向一致的标准向量的相关性梯度向量和与图像倾斜角度方向垂直的标准向量的相关性

进一步，如上所述的一种证件透视校正方法，步骤S3中，生成梯度相关性图像的具体方式为：

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向一致的梯度相关性图像；

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像。

一种证件透视校正系统，包括：

倾斜度检测模块，用于对输入的图像进行倾斜检测，得到图像倾斜角度，并以图像倾斜角度作为基准生成标准向量；所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件；

梯度向量计算模块，用于计算所述图像中各像素点的梯度信息，得到图像各像素点的梯度向量；所述的梯度信息包括梯度幅度值和梯度角度值；

相关性图像生成模块，用于计算图像中各像素点的梯度向量与标准向量的相关性，生成梯度相关性图像；所述的梯度相关性图像包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像；

校正模块，用于对所述的梯度相关性图像进行直线霍夫变换，定位出图像中证件的边界，对定位出的证件进行透视校正，得到校正图像。

进一步，如上所述的一种证件透视校正系统，所述的倾斜度检测模块包括：

二值化单元，用于将图像进行二值化处理，得到二值化图像；

中心点坐标获取单元，用于获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

倾斜度获取单元，用于将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

进一步，如上所述的一种证件透视校正系统，所述的梯度向量计算模块计算所述图像各像素点的梯度信息，得到图像各像素点的梯度向量的具体方式为：

gradX(x,y)=image(x+1,y)-image(x-1,y)

gradY(x,y)=image(x,y+1)-image(x,y-1)

$\mathrm{grad}\mathrm{Mag}(x,y)=\sqrt{{\mathrm{grad}X(x,y)}^2+\mathrm{grad}Y{(x,y)}^2}$

$\mathrm{grad}\mathrm{Dir}(x,y)=\arctan \left(\frac{\mathrm{grad}Y(x,y)}{\mathrm{grad}X(x,y)}\right)$

${\stackrel{\→}{V}}_{\mathrm{grad}}(x,y)=[\mathrm{grad}\mathrm{Mag}(x,y)\×\cos \left(\mathrm{grad}\mathrm{Dir}(x,y)\right),\mathrm{grad}\mathrm{Mag}(x,y)\×\sin \left(\mathrm{grad}\mathrm{Dir}(x,y)\right)]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。

本发明的效果在于：本发明所述的方法及系统，通过检测图像倾斜角度和计算图像梯度向量，生成基于图像倾斜度和图像梯度向量的梯度相关性图像，利用该梯度相关性图像完成证件边界四边形提取，定位出证件边界，从而更好的完成证件的透视校正工作。

附图说明

图1是本发明具体实施方式中所述系统的结构框图；

图2是本发明具体实施方式中所述方法的流程图；

图3是本发明具体实施例中输入的待校正图像；

图4是本发明具体实施例中进行倾斜校正后的图像；

图5是本发明具体实施例中的梯度幅度图像；

图6是本发明具体实施例中的梯度角度图像；

图7是本发明具体实施例中与倾斜角度方向一致的梯度相关性图像；

图8是本发明具体实施例中与倾斜角度方向垂直的梯度相关性图像；

图9是本发明具体实施例中定位出图像中证件的边界的图像；

图10是本发明具体实施例中完成证件的校正的图像。

具体实施方式

下面结合说明书附图和具体实施方式对本发明作进一步描述。

如图1所示，为本发明具体实施方式中一种证件透视校正系统的结构框图，该系统主要包括以下四个子模块：倾斜度检测模块11、梯度向量计算模块12、相关性图像生成模块13和校正模块14，其中：

倾斜度检测模块11用于对输入的图像进行倾斜检测，得到图像倾斜角度，并以图像倾斜角度作为基准生成标准向量；所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件；该模块包括：

二值化单元，用于将图像进行二值化处理，得到二值化图像；

中心点坐标获取单元，用于获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

倾斜度获取单元，用于将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

在检测出图像的倾斜角度后，以该倾斜角度作为基准，生成标准向量，向量幅度均为1，本实施方式中的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量 ${\stackrel{\→}{V}}_{\mathrm{std}2}=\left[\cos ({\mathrm{\θ}}_{\mathrm{skew}}+90,\sin ({\mathrm{\θ}}_{\mathrm{skew}}+90)\right],$ 其中θ_skew为所述图像倾斜角度。

梯度向量计算模块12用于计算所述图像中各像素点的梯度信息，得到图像各像素点的梯度向量；所述的梯度信息包括梯度幅度值和梯度角度值；该模块计算所述图像各像素点的梯度信息，得到图像各像素点的梯度向量的具体方式为：

gradX(x,y)=image(x+1,y)-image(x-1,y)

gradY(x,y)=image(x,y+1)-image(x,y-1)

$\mathrm{grad}\mathrm{Mag}(x,y)=\sqrt{{\mathrm{grad}X(x,y)}^2+\mathrm{grad}Y{(x,y)}^2}$

$\mathrm{grad}\mathrm{Dir}(x,y)=\arctan \left(\frac{\mathrm{grad}Y(x,y)}{\mathrm{grad}X(x,y)}\right)$

${\stackrel{\→}{V}}_{\mathrm{grad}}(x,y)=[\mathrm{grad}\mathrm{Mag}(x,y)\×\cos \left(\mathrm{grad}\mathrm{Dir}(x,y)\right),\mathrm{grad}\mathrm{Mag}(x,y)\×\sin \left(\mathrm{grad}\mathrm{Dir}(x,y)\right)]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。

相关性图像生成模块13用于计算图像中各像素点的梯度向量与标准向量的相关性，生成梯度相关性图像；所述的梯度相关性图像包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像；

本实施方式中的相关性是指梯度向量和标准向量间的点乘数值，由于本实施方式中的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量因此像素点(x,y)的梯度向量与标准向量的相关性也包括梯度向量和与图像倾斜角度方向一致的标准向量的相关性Corr₁(x,y)，以及梯度向量和与图像倾斜角度方向垂直的标准向量的相关性Corr₂(x,y)。像素点(x,y)处相关性计算方式如下：

与图像倾斜角度方向一致的相关性

与图像倾斜角度方向垂直的相关性

生成梯度相关性图像的具体方式为：

计算图像各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像各像素点的像素值，生成与图像倾斜角度方向一致的梯度相关性图像；

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像。

校正模块14用于对所述梯度相关性图像进行直线霍夫变换，定位变换后图像中的证件边界四边形，对证件进行透视校正，得到校正图像。

如图2所示，为本发明具体实施方式中一种证件透视校正方法，该方法包括以下步骤：

步骤S21：检测图像倾斜度，以图像倾斜度为基准生成标准向量；

输入图像，对所述图像进行倾斜检测，得到图像倾斜角度，其中，所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件，例如身份证、驾驶证、行驶证等。本实施方式中对所述图像进行倾斜检测，得到图像倾斜角度的过程包括以下步骤：

（1）将所述图像进行二值化处理，得到二值化图像；

（2）获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

（3）将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

优选的，本实施方式待检测图像中，除证件部分外，图像中的其它部分的字符不是规律排列的，也就是说其它部分的字符连通域的中心点坐标不是在一条直线上。这样，在通过上述方式检测图像倾斜角度时，由于证件的字符部分一般均是规律排列的，在通过对中心点坐标进行霍夫变换确认倾斜角度时，霍夫变换角度投影峰值所在位置就可以认为是证件中字符的中心点坐标作霍夫变换后在霍夫变换累积图上的投影峰值，检测出的图像倾斜角度即可认为是证件的倾斜角度。

另外，如果在字符检测准确的情况下，对所述图像进行倾斜检测，得到图像倾斜角度的过程还可以采用如下方式：对图像进行版面成行分析，并对每一行字符进行基线拟合完成倾斜角度的检测。

本具体实施方式中，对图像倾斜角度进行检测的上述方式均为现有技术，本发明对倾斜角度的检测包括但不限于上述所列举的两种方式，能够实现倾斜角度检测的现有方式均可用于本发明。

在检测出图像的倾斜角度后，以该倾斜角度作为基准，生成标准向量，向量幅度均为1，本实施方式中的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量其中θ_skew为所述图像倾斜角度。

步骤S22：计算图像各像素点的梯度信息，得到各像素点的梯度向量；

计算所述图像各像素点的梯度信息，得到图像各像素点的梯度向量；所述的梯度信息包括梯度幅度值和梯度角度值。

具体地,计算图像各像素点的梯度信息，得到图像各像素点的梯度向量的具体方式如下：

gradX(x,y)=image(x+1,y)-image(x-1,y)

gradY(x,y)=image(x,y+1)-image(x,y-1)

$\mathrm{grad}\mathrm{Mag}(x,y)=\sqrt{{\mathrm{grad}X(x,y)}^2+\mathrm{grad}Y{(x,y)}^2}$

$\mathrm{grad}\mathrm{Dir}(x,y)=\arctan \left(\frac{\mathrm{grad}Y(x,y)}{\mathrm{grad}X(x,y)}\right)$

${\stackrel{\→}{V}}_{\mathrm{grad}}(x,y)=[\mathrm{grad}\mathrm{Mag}(x,y)\×\cos \left(\mathrm{grad}\mathrm{Dir}(x,y)\right),\mathrm{grad}\mathrm{Mag}(x,y)\×\sin \left(\mathrm{grad}\mathrm{Dir}(x,y)\right)]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。

步骤S23：计算梯度向量与标准向量的相关性，生成梯度相关性图像；

计算步骤S21中的生成的标准向量与步骤S22中得到的梯度向量的相关性，生成梯度相关性图像。由步骤S21中可知，本实施方式中的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量因此像素点(x,y)的梯度向量与标准向量的相关性也包括梯度向量和与图像倾斜角度方向一致的标准向量的相关性Corr₁(x,y)，以及梯度向量和与图像倾斜角度方向垂直的标准向量的相关性Corr₂(x,y)，那么根据相关性生成的梯度相关性图像也就包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像。

本实施方式中的相关性是指梯度向量和标准向量间的点乘数值，像素点(x,y)处相关性计算方式如下：

与图像倾斜角度方向一致的相关性

与图像倾斜角度方向垂直的相关性

根据相关性生成梯度相关性图像的具体方式为：

计算图像各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像各像素点的像素值，生成与图像倾斜角度方向一致的梯度相关性图像；

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像。

步骤S24：定位图像中的证件边界，对证件进行透视校正。

对步骤S23中生成的梯度相关性图像进行直线霍夫变换，定位出图像中证件的边界，对定位出的证件进行透视校正，得到校正图像。

对步骤S23中所生成的与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像分别进行直线霍夫变换，分别得到证件横向与纵向的两条边界线，定位出证件的四条边界，对四条边界内的证件进行透视校正即可得到校正后的图像。其中，通过直线霍夫变换定位图像中的边界信息为现有技术。

此外，本发明所述的方法，可以在步骤S21检测出图像的倾斜角度后，首先对图像进行倾斜校正，然后在倾斜校正后的基础上进行后续操作，实现对证件的倾斜校正和透视校正。在定位出证件的四条边界后，对图像进行透视校正的方式采用现有的透视校正方式即可。

为了更好的理解本发明所述的方法及系统，下面结合图3-图10给出一个实施例对本申请进行进一步的介绍。

实施例

第一步，输入如图3所示的有效证件图像（实施例中证件图像由于涉及隐私问题，采用了标准样例）；

本实施例中给出的图像中的证件为具有矩形形状的身份证证件，先对该证件图像进行二值化处理，得到二值化图像；然后获取二值化图像中字符的连通域，并得到连通域的中心点坐标；再将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

在检测出图像的倾斜角度后，以该倾斜角度作为基准，生成两个标准向量，向量幅度均为1，本实施例中的两个标准向量包括：与图像倾斜角度方向一致的标准向量与图像倾斜角度方向垂直的标准向量

优选的，可以按照计算出的图像倾斜角度θ_skew对原输入图像进行倾斜校正（在实际操作中，可以无需旋转图像），校正后的图像如图4所示。

第二步，计算该证件图像各像素点的梯度信息，包括梯度幅度值和梯度角度值，得到图像各像素点的梯度向量，具体计算方式如下：对于图像中的一像素点(x,y)，

X方向的梯度gradX(x,y)=image(x+1,y)-image(x-1,y)

Y方向的梯度gradY(x,y)=image(x,y+1)-image(x,y-1)

梯度幅度值 $\mathrm{grad}\mathrm{Mag}(x,y)=\sqrt{{\mathrm{grad}X(x,y)}^2+\mathrm{grad}Y{(x,y)}^2}$

梯度角度值 $\mathrm{grad}\mathrm{Dir}(x,y)=\arctan \left(\frac{\mathrm{grad}Y(x,y)}{\mathrm{grad}X(x,y)}\right)$

根据计算出的梯度幅度值和梯度角度值计算出该像素点的梯度向量

${\stackrel{\→}{V}}_{\mathrm{grad}}(x,y)=[\mathrm{grad}\mathrm{Mag}(x,y)*\cos \left(\mathrm{grad}\mathrm{Dir}(x,y)\right),\mathrm{grad}\mathrm{Mag}(x,y)*\sin \left(\mathrm{grad}\mathrm{Dir}(x,y)\right)]$

图5为由梯度幅度值确定的梯度幅度图像，图6为由梯度角度值确定的梯度角度图像。

第三步，先计算第二步得到的梯度向量与第一步得到的与倾斜角度方向一致的标准向量的相关性然后将计算出的点乘数值作为图像各像素点的像素值，生成与倾斜角度方向一致的梯度相关图像，如图7所示；类似地，计算第二步得到的梯度向量与第一步得到的与倾斜角度方向垂直的标准向量的相关性然后将计算出的点乘数值作为图像各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像，如图8所示；并且，由图7和图8不难看出，与倾斜角度方向一致的梯度相关性较强。

第四步，先对第三步生成的两个方向（与倾斜方向一致、与倾斜方向垂直）的梯度相关性图像即图7和图8进行直线霍夫变换，通过检测出四条直线即证件四边形区域，定位出图像中证件的边界，如图9所示；再对定位出的证件进行透视校正，完成证件的校正，如图10所示，图10中为本实施例中同时进行了倾斜校正和透视校正的证件图像。

通过本实施例可以看出，采用本发明所述的方法，通过检测证件倾斜角度，并利用该角度计算与该相关性较强的梯度信息，通过这些梯度信息检测出证件四边形位置，最终完成证件的透视校正，由于梯度信息均为灰度域信息，对弱边界有较好的适应性，并且，由于考虑了文字信息，以及角度相关性信息，能够较好的抵抗背景的干扰，得到良好的检测和校正效果。

本发明所述的装置并不限于具体实施方式中所述的实施例，本领域技术人员根据本发明的技术方案得出其他的实施方式，同样属于本发明的技术创新范围。

Claims (8)

1.一种证件透视校正方法，包括以下步骤：

S1：输入图像，对所述图像进行倾斜检测，得到图像倾斜角度，并以图像倾斜角度作为基准生成标准向量；所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件；

S2：计算所述图像中各像素点的梯度信息，得到图像中各像素点的梯度向量，所述的梯度信息包括梯度幅度值和梯度角度值；

S3：计算图像中各像素点的梯度向量与所述标准向量的相关性，生成梯度相关性图像；所述的梯度相关性图像包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像；所述相关性是指梯度向量和标准向量间的点乘数值，梯度向量和与图像倾斜角度方向一致的标准向量的相关性梯度向量和与图像倾斜角度方向垂直的标准向量的相关性生成梯度相关性图像的具体方式为：

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向一致的梯度相关性图像；

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像；

S4：对所述的梯度相关性图像进行直线霍夫变换，定位出图像中证件的边界，对定位出的证件进行透视校正，得到校正图像。

2.如权利要求1所述的一种证件透视校正方法，其特征在于，步骤S1中，对所述图像进行倾斜检测，得到图像倾斜角度的过程包括以下步骤：

(1)将所述图像进行二值化处理，得到二值化图像；

(2)获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

(3)将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

3.如权利要求1所述的一种证件透视校正方法，其特征在于，步骤S1中，对所述图像进行倾斜检测，得到图像倾斜角度的过程还可以采用如下方式：对图像进行版面成行分析，并对每一行字符进行基线拟合完成倾斜角度θ_skew的检测。

4.如权利要求1至3之一所述的一种证件透视校正方法，其特征在于，步骤S1中，所述的标准向量包括与图像倾斜角度方向一致的标准向量以及与图像倾斜角度方向垂直的标准向量其中θ_skew为所述图像倾斜角度。

5.如权利要求4所述的一种证件透视校正方法，其特征在于，步骤S2中，计算图像中各像素点的梯度信息，得到图像中各像素点的梯度向量的具体方式如下：

gradX(x,y)＝image(x+1,y)-image(x-1,y)

gradY(x,y)＝image(x,y+1)-image(x,y-1)

$gradMag(x,y)=\sqrt{gradX{(x,y)}^2+gradY{(x,y)}^2}$

$gradDir(x,y)=\arctan \left(\frac{gradY(x,y)}{gradX(x,y)}\right)$

${\stackrel{\→}{V}}_{grad}(x,y)=\[gradMag(x,y)\×\cos \left(gradDir\right(x,y\left)\right),gradMag(x,y)\×\sin \left(gradDir\right(x,y\left)\right)\]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。

6.一种证件透视校正系统，包括：

倾斜度检测模块，用于对输入的图像进行倾斜检测，得到图像倾斜角度，并以图像倾斜角度作为基准生成标准向量；所述的图像为包含证件的图像；所述的证件是指具有矩形形状的证件；

梯度向量计算模块，用于计算所述图像中各像素点的梯度信息，得到图像各像素点的梯度向量；所述的梯度信息包括梯度幅度值和梯度角度值；

相关性图像生成模块，用于计算图像中各像素点的梯度向量与标准向量的相关性，生成梯度相关性图像；所述的梯度相关性图像包括与图像倾斜角度方向一致的梯度相关性图像和与图像倾斜角度方向垂直的梯度相关性图像；所述相关性是指梯度向量和标准向量间的点乘数值，梯度向量和与图像倾斜角度方向一致的标准向量的相关性梯度向量和与图像倾斜角度方向垂直的标准向量的相关性生成梯度相关性图像的具体方式为：

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向一致的梯度相关性图像；

计算图像中各像素点的梯度向量与标准向量的相关性，将计算出的点乘数值作为图像中各像素点的像素值，生成与图像倾斜角度方向垂直的梯度相关性图像；

校正模块，用于对所述的梯度相关性图像进行直线霍夫变换，定位出图像中证件的边界，对定位出的证件进行透视校正，得到校正图像。

7.如权利要求6所述的一种证件透视校正系统，其特征在于，所述的倾斜度检测模块包括：

二值化单元，用于将图像进行二值化处理，得到二值化图像；

中心点坐标获取单元，用于获取二值化图像中字符的连通域，并得到连通域的中心点坐标；

倾斜度获取单元，用于将所述中心点坐标进行霍夫变换，得到霍夫变换累积图，霍夫变换累积图上的霍夫变换角度投影峰值所在位置即为图像倾斜角度θ_skew。

8.如权利要求6或7所述的一种证件透视校正系统，其特征在于，所述的梯度向量计算模块计算所述图像各像素点的梯度信息，得到图像各像素点的梯度向量的具体方式为：

gradX(x,y)＝image(x+1,y)-image(x-1,y)

gradY(x,y)＝image(x,y+1)-image(x,y-1)

$gradMag(x,y)=\sqrt{gradX{(x,y)}^2+gradY{(x,y)}^2}$

$gradDir(x,y)=arctan\left(\frac{gradY(x,y)}{gradX(x,y)}\right)$

${\stackrel{\→}{V}}_{grad}(x,y)=\[gradMag(x,y)\×cos\left(gradDir\right(x,y\left)\right),gradMag(x,y)\×sin\left(gradDir\right(x,y\left)\right)\]$

其中，image(x,y)为像素点(x,y)处的像素值，gradX(x,y)为X方向上像素点(x,y)处的梯度值，gradY(x,y)为Y方向上像素点(x,y)处的梯度值，gradMag(x,y)为像素点(x,y)处的梯度幅度值，gradDir(x,y)为像素点(x,y)处的梯度角度值，为像素点(x,y)处的梯度向量。