怎么用Python构建一个文档扫描器

在数字化时代，文档扫描器是一个非常有用的工具，它可以将纸质文档转换为数字格式，便于存储、编辑和分享。本文将介绍如何使用Python构建一个简单的文档扫描器。我们将使用OpenCV和NumPy库来实现这一功能。

1. 环境准备

首先，我们需要安装所需的Python库。你可以使用以下命令来安装这些库：

pip install opencv-python numpy

2. 导入库

在开始编写代码之前，我们需要导入所需的库：

import cv2
import numpy as np

3. 加载图像

我们将从加载一张包含文档的图像开始。你可以使用cv2.imread()函数来加载图像：

image = cv2.imread('document.jpg')

4. 图像预处理

为了更容易地检测文档的边缘，我们需要对图像进行一些预处理。首先，我们将图像转换为灰度图像：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

接下来，我们对灰度图像进行高斯模糊处理，以减少噪声：

blurred = cv2.GaussianBlur(gray, (5, 5), 0)

然后，我们使用Canny边缘检测算法来检测图像中的边缘：

edged = cv2.Canny(blurred, 75, 200)

5. 检测文档轮廓

现在，我们需要找到图像中最大的轮廓，这通常就是文档的轮廓。我们可以使用cv2.findContours()函数来查找轮廓：

contours, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5]

接下来，我们遍历这些轮廓，找到近似于矩形的轮廓：

for contour in contours:
    perimeter = cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)

    if len(approx) == 4:
        document_contour = approx
        break

6. 透视变换

一旦我们找到了文档的轮廓，我们需要对其进行透视变换，以得到一个正面的视图。我们可以使用cv2.getPerspectiveTransform()和cv2.warpPerspective()函数来实现这一点：

def four_point_transform(image, pts):
    rect = order_points(pts)
    (tl, tr, br, bl) = rect

    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
    maxWidth = max(int(widthA), int(widthB))

    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
    maxHeight = max(int(heightA), int(heightB))

    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")

    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

    return warped

warped = four_point_transform(image, document_contour.reshape(4, 2))

7. 二值化处理

最后，我们将扫描后的文档转换为黑白图像，以便更好地进行OCR处理或其他操作：

warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)
warped = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

8. 保存结果

现在，我们已经完成了文档的扫描和转换。我们可以将结果保存为图像文件：

cv2.imwrite('scanned_document.jpg', warped)

9. 完整代码

以下是完整的Python代码：

import cv2
import numpy as np

def order_points(pts):
    rect = np.zeros((4, 2), dtype="float32")
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]

    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]

    return rect

def four_point_transform(image, pts):
    rect = order_points(pts)
    (tl, tr, br, bl) = rect

    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
    maxWidth = max(int(widthA), int(widthB))

    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
    maxHeight = max(int(heightA), int(heightB))

    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")

    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

    return warped

image = cv2.imread('document.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(blurred, 75, 200)

contours, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHN_APPROX_SIMPLE)
contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5]

for contour in contours:
    perimeter = cv2.arcLength(contour, True)
    approx = cv2.approxPolyDP(contour, 0.02 * perimeter, True)

    if len(approx) == 4:
        document_contour = approx
        break

warped = four_point_transform(image, document_contour.reshape(4, 2))
warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)
warped = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]

cv2.imwrite('scanned_document.jpg', warped)

10. 总结

通过以上步骤，我们成功地使用Python构建了一个简单的文档扫描器。这个扫描器可以将纸质文档转换为数字格式，并且可以进一步用于OCR处理或其他用途。希望这篇文章对你有所帮助！