使用Python和OpenCV實(shí)現(xiàn)實(shí)時(shí)文檔掃描與矯正系統(tǒng)
更新時(shí)間：2025年05月19日 08:29:29 作者：知舟不敘
在日常工作和學(xué)習(xí)中,我們經(jīng)常需要將紙質(zhì)文檔數(shù)字化,手動(dòng)拍攝文檔照片常常會(huì)出現(xiàn)角度傾斜、透?視變形等問題,影響后續(xù)使用,本文將介紹如何使用Python和OpenCV構(gòu)建一個(gè)實(shí)時(shí)文檔掃描與矯正系統(tǒng),能夠通過攝像頭自動(dòng)檢測(cè)文檔邊緣并進(jìn)行透?視變換矯正,需要的朋友可以參考下
一、系統(tǒng)概述
該系統(tǒng)主要實(shí)現(xiàn)以下功能：
- 實(shí)時(shí)攝像頭捕獲圖像
- 邊緣檢測(cè)和輪廓查找
- 文檔輪廓識(shí)別
- 透 視變換矯正文檔
- 二值化處理增強(qiáng)可讀性
二、核心代碼解析
1. 導(dǎo)入必要庫(kù)
import numpy as np import cv2
我們主要使用NumPy進(jìn)行數(shù)值計(jì)算，OpenCV進(jìn)行圖像處理。
2. 輔助函數(shù)定義
首先定義了一個(gè)簡(jiǎn)單的圖像顯示函數(shù)，方便調(diào)試：
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(10)
3. 坐標(biāo)點(diǎn)排序函數(shù)
order_points函數(shù)用于將檢測(cè)到的文檔四個(gè)角點(diǎn)按順序排列（左上、右上、右下、左下）：
def order_points(pts):
rect = np.zeros((4,2),dtype="float32")
s = pts.sum(axis=1)
rect[0] = pts[np.argmin(s)] # 左上點(diǎn)(x+y最小)
rect[2] = pts[np.argmax(s)] # 右下點(diǎn)(x+y最大)
diff = np.diff(pts,axis=1)
rect[1] = pts[np.argmin(diff)] # 右上點(diǎn)(y-x最小)
rect[3] = pts[np.argmax(diff)] # 左下點(diǎn)(y-x最大)
return rect
這個(gè)函數(shù)的作用是對(duì)給定的4個(gè)二維坐標(biāo)點(diǎn)進(jìn)行排序，使其按照左上、右上、右下、左下的順序排列。這在文檔掃描、圖像矯正等應(yīng)用中非常重要，因?yàn)槲覀冃枰烂總€(gè)角點(diǎn)的確切位置才能正確地進(jìn)行透視變換。
函數(shù)詳細(xì)解析
（1）排序邏輯說明
左上點(diǎn)(rect[0])：選擇x+y值最小的點(diǎn)
- 因?yàn)樽笊辖窃谧鴺?biāo)系中 x 和 y 值都較小，相加結(jié)果最小
右下點(diǎn)(rect[2])：選擇x+y值最大的點(diǎn)
- 因?yàn)橛蚁陆窃谧鴺?biāo)系中 x 和 y 值都較大，相加結(jié)果最大
右上點(diǎn)(rect[1])：選擇y-x值最小的點(diǎn)
- 右上角的特點(diǎn)是 y 相對(duì)較小而 x 相對(duì)較大，所以 y-x 值最小
左下點(diǎn)(rect[3])：選擇y-x值最大的點(diǎn)
- 左下角的特點(diǎn)是 y 相對(duì)較大而 x 相對(duì)較小，所以 y-x 值最大
（2）示例
假設(shè)有4個(gè)點(diǎn)：
A(10, 20) # 假設(shè)是左上 B(50, 20) # 右上 C(50, 60) # 右下 D(10, 60) # 左下
計(jì)算過程：
x+y值：[30, 70, 110, 70]
- 最小30 → A(左上)
- 最大110 → C(右下)
y-x值：[10, -30, 10, 50]
- 最小-30 → B(右上)
- 最大50 → D(左下)
最終排序結(jié)果：[A, B, C, D] 即 [左上, 右上, 右下, 左下]
（3）為什么這種方法有效
這種方法利用了二維坐標(biāo)點(diǎn)的幾何特性：
- 在標(biāo)準(zhǔn)坐標(biāo)系中，左上角的x和y值都較小
- 右下角的x和y值都較大
- 右上角的x較大而y較小
- 左下角的x較小而y較大
通過簡(jiǎn)單的加減運(yùn)算就能可靠地區(qū)分出各個(gè)角點(diǎn)，不需要復(fù)雜的幾何計(jì)算。
4. 透視變換函數(shù)
four_point_transform函數(shù)實(shí)現(xiàn)了文檔矯正的核心功能：
def four_point_transform(image,pts):
rect = order_points(pts)
(tl,tr,br,bl) = rect
# 計(jì)算變換后的寬度和高度
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))
# 定義目標(biāo)圖像坐標(biāo)
dst = np.array([[0,0],[maxWidth - 1,0],
[maxWidth - 1,maxHeight - 1],[0,maxHeight - 1]],dtype="float32")
# 計(jì)算透視變換矩陣并應(yīng)用
M = cv2.getPerspectiveTransform(rect,dst)
warped = cv2.warpPerspective(image,M,(maxWidth,maxHeight))
return warped
這個(gè)函數(shù)實(shí)現(xiàn)了透視變換(Perspective Transformation)，用于將圖像中的任意四邊形區(qū)域矯正為一個(gè)矩形（即"去透視"效果）。
函數(shù)詳細(xì)解析
- 輸入?yún)?shù)
def four_point_transform(image, pts):
image: 原始圖像pts: 包含4個(gè)點(diǎn)的數(shù)組，表示要轉(zhuǎn)換的四邊形區(qū)域
- 坐標(biāo)點(diǎn)排序
rect = order_points(pts) (tl, tr, br, bl) = rect # 分解為左上(top-left)、右上(top-right)、右下(bottom-right)、左下(bottom-left)
使用之前介紹的order_points函數(shù)將4個(gè)點(diǎn)按順序排列
- 計(jì)算輸出圖像的寬度
widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2)) # 底邊長(zhǎng)度 widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2)) # 頂邊長(zhǎng)度 maxWidth = max(int(widthA), int(widthB)) # 取最大值作為輸出圖像寬度
計(jì)算四邊形底部和頂部的邊長(zhǎng)，選擇較長(zhǎng)的作為輸出寬度
- 計(jì)算輸出圖像的高度
heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2)) # 右邊高度 heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2)) # 左邊高度 maxHeight = max(int(heightA), int(heightB)) # 取最大值作為輸出圖像高度
計(jì)算四邊形右側(cè)和左側(cè)的邊長(zhǎng)，選擇較長(zhǎng)的作為輸出高度
- 定義目標(biāo)矩形坐標(biāo)
dst = np.array([
[0, 0], # 左上
[maxWidth - 1, 0], # 右上
[maxWidth - 1, maxHeight - 1], # 右下
[0, maxHeight - 1] # 左下
], dtype="float32")
定義變換后的矩形角點(diǎn)坐標(biāo)（從(0,0)開始的正矩形）
- 計(jì)算透視變換矩陣并應(yīng)用
M = cv2.getPerspectiveTransform(rect, dst) # 計(jì)算變換矩陣 warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight)) # 應(yīng)用變換
getPerspectiveTransform: 計(jì)算從原始四邊形到目標(biāo)矩形的3x3變換矩陣warpPerspective: 應(yīng)用這個(gè)變換矩陣到原始圖像
- 返回結(jié)果
return warped
返回矯正后的矩形圖像
- 透視變換原理圖示
原始圖像中的四邊形 變換后的矩形
tl--------tr 0--------maxWidth
\ / | |
\ / | |
bl----br maxHeight
- 為什么需要這樣計(jì)算寬度和高度？
取最大值的原因：
- 原始四邊形可能有透視變形，兩條對(duì)邊長(zhǎng)度可能不等
- 選擇較大的值可以確保所有內(nèi)容都能包含在輸出圖像中
減1的原因：
- 圖像坐標(biāo)從0開始，所以寬度為maxWidth的圖像，最大x坐標(biāo)是maxWidth-1
5. 主程序流程
主程序?qū)崿F(xiàn)了實(shí)時(shí)文檔檢測(cè)和矯正的完整流程：
- 初始化攝像頭
cap = cv2.VideoCapture(0)
if not cap.isOpened():
print("Cannot open camera")
exit()
- 實(shí)時(shí)處理循環(huán)
while True:
flag = 0
ret,image = cap.read()
orig = image.copy()
if not ret:
print("不能讀取攝像頭")
break
- 圖像預(yù)處理
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray,(5,5),0) # 高斯濾波降噪 edged = cv2.Canny(gray,75,200) # Canny邊緣檢測(cè)
- 輪廓檢測(cè)與篩選
cnts = cv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
cnts = sorted(cnts,key=cv2.contourArea,reverse=True)[:3] # 取面積最大的3個(gè)輪廓
for c in cnts:
peri = cv2.arcLength(c,True) # 計(jì)算輪廓周長(zhǎng)
approx = cv2.approxPolyDP(c,0.05 * peri,True) # 多邊形近似
area = cv2.contourArea(approx)
# 篩選四邊形且面積足夠大的輪廓
if area > 20000 and len(approx) == 4:
screenCnt = approx
flag = 1
break
- 文檔矯正與顯示
if flag == 1:
# 繪制輪廓
image_contours = cv2.drawContours(image,[screenCnt],0,(0,255,0),2)
# 透視變換
warped = four_point_transform(orig,screenCnt.reshape(4,2))
# 二值化處理
warped = cv2.cvtColor(warped,cv2.COLOR_BGR2GRAY)
ref = cv2.threshold(warped,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
三、完整代碼
# 導(dǎo)入工具包
import numpy as np
import cv2
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(10)
def order_points(pts):
# 一共4個(gè)坐標(biāo)點(diǎn)
rect = np.zeros((4,2),dtype="float32") # 用來存儲(chǔ)排序之后的坐標(biāo)位置
# 按順序找到對(duì)應(yīng)坐標(biāo)0123分別是 左上、右上、右下、左下
s = pts.sum(axis=1) #對(duì)pts矩陣的每一行進(jìn)行求和操作，（x+y）
rect[0] = pts[np.argmin(s)]
rect[2] = pts[np.argmax(s)]
diff = np.diff(pts,axis=1) #對(duì)pts矩陣的每一行進(jìn)行求差操作，（y-x）
rect[1] = pts[np.argmin(diff)]
rect[3] = pts[np.argmax(diff)]
return rect
def four_point_transform(image,pts):
# 獲取輸入坐標(biāo)點(diǎn)
rect = order_points(pts)
(tl,tr,br,bl) = rect
# 計(jì)算輸入的w和h值
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))
# 變換后對(duì)應(yīng)坐標(biāo)位置
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))
# 返回變換后的結(jié)果
return warped
# 讀取輸入
import cv2
cap = cv2.VideoCapture(0) # 確保攝像頭是可以啟動(dòng)的狀態(tài)
if not cap.isOpened(): #打開失敗
print("Cannot open camera")
exit()
while True:
flag = 0 # 用于標(biāo)時(shí) 當(dāng)前是否檢測(cè)到文檔
ret,image = cap.read() # 如果正確讀取幀，ret為True
orig = image.copy()
if not ret: #讀取失敗，則退出循環(huán)
print("不能讀取攝像頭")
break
cv_show("image",image)
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
# 預(yù)處理
gray = cv2.GaussianBlur(gray,(5,5),0) # 高斯濾波
edged = cv2.Canny(gray,75,200)
cv_show('1',edged)
# 輪廓檢測(cè)
cnts = cv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2]
cnts = sorted(cnts,key=cv2.contourArea,reverse=True)[:3]
image_contours = cv2.drawContours(image,cnts,-1,(0,255,0),2)
cv_show("image_contours",image_contours)
# 遍歷輪廓
for c in cnts:
# 計(jì)算輪廓近似
peri = cv2.arcLength(c,True) # 計(jì)算輪廓的周長(zhǎng)
# C 表示輸入的點(diǎn)集
# epsilon表示從原始輪廓到近似輪廓的最大距離，它是一個(gè)準(zhǔn)確度參數(shù)
# True表示封閉的
approx = cv2.approxPolyDP(c,0.05 * peri,True) # 輪廓近似
area = cv2.contourArea(approx)
# 4個(gè)點(diǎn)的時(shí)候就拿出來
if area > 20000 and len(approx) == 4:
screenCnt = approx
flag = 1
print(peri,area)
print("檢測(cè)到文檔")
break
if flag == 1:
# 展示結(jié)果
# print("STEP 2: 獲取輪廓")
image_contours = cv2.drawContours(image,[screenCnt],0,(0,255,0),2)
cv_show("image",image_contours)
# 透視變換
warped = four_point_transform(orig,screenCnt.reshape(4,2))
cv_show("warped",warped)
# 二值處理
warped = cv2.cvtColor(warped,cv2.COLOR_BGR2GRAY)
# ref = cv2.threshold(warped,220,255,cv2.THRESH_BINARY)[1]
ref = cv2.threshold(warped,0,255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show("ref",ref)
cap.release() # 釋放捕捉器
cv2.destroyAllWindows() #關(guān)閉圖像窗口
四、結(jié)語(yǔ)
本文介紹了一個(gè)基于OpenCV的實(shí)時(shí)文檔掃描與矯正系統(tǒng)，通過邊緣檢測(cè)、輪廓分析和透視變換等技術(shù)，實(shí)現(xiàn)了文檔的自動(dòng)檢測(cè)和矯正。該系統(tǒng)可以方便地應(yīng)用于日常文檔數(shù)字化工作，提高工作效率。
完整代碼已在上文中給出，讀者可以根據(jù)自己的需求進(jìn)行修改和擴(kuò)展。OpenCV提供了強(qiáng)大的圖像處理能力，結(jié)合Python的簡(jiǎn)潔語(yǔ)法，使得開發(fā)這樣的實(shí)用系統(tǒng)變得簡(jiǎn)單高效。
以上就是使用Python和OpenCV實(shí)現(xiàn)實(shí)時(shí)文檔掃描與矯正系統(tǒng)的詳細(xì)內(nèi)容，更多關(guān)于Python OpenCV文檔掃描與矯正的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python RPA自動(dòng)化機(jī)器人模擬鼠標(biāo)鍵盤
這篇文章主要介紹了Python RPA自動(dòng)化機(jī)器人模擬鼠標(biāo)鍵盤，RPA，全稱為Robotic Process Automation，即機(jī)器人流程自動(dòng)化。我們可以利用RPA技術(shù)將工作中可重復(fù)的部分流程化，讓機(jī)器替我們完成這一工作2023-02-02
這篇文章主要介紹了Anaconda和Pycharm的安裝配置教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-02-02
Python深度學(xué)習(xí)實(shí)戰(zhàn)PyQt5信號(hào)與槽的連接
本文講解信號(hào)與槽的連接機(jī)制，詳細(xì)示范各種類型的信號(hào)/槽連接的實(shí)現(xiàn)方法，這是圖形用戶界面的核心內(nèi)容。還將介紹面向?qū)ο蟮某绦蛟O(shè)計(jì)，這是圖形用戶界面的基本思想2021-10-10
跟老齊學(xué)Python之編寫類之一創(chuàng)建實(shí)例
上兩篇文章雖然已經(jīng)對(duì)類有了一點(diǎn)點(diǎn)模糊概念，但是，閱讀前面一講的內(nèi)容的確感到累呀，都是文字，連代碼都沒有。本講就要簡(jiǎn)單多了，嘗試走一個(gè)類的流程。2014-10-10
數(shù)據(jù)驅(qū)動(dòng)測(cè)試DDT之Selenium讀取Excel文件
這篇文章主要為大家介紹了數(shù)據(jù)驅(qū)動(dòng)測(cè)試DDT之Selenium讀取Excel文件，2021-11-11
今天小編就為大家分享一篇Cython編譯python為so 代碼加密示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12
這篇文章主要介紹了Python如何使用字符打印照片,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-01-01
Django 開發(fā)環(huán)境與生產(chǎn)環(huán)境的區(qū)分詳解
這篇文章主要介紹了Django 開發(fā)環(huán)境與生產(chǎn)環(huán)境的區(qū)分詳解，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
這篇文章主要介紹了python?中的pycrypto?算法加密，文章基于python的相關(guān)資料展開對(duì)pycrypto?算法加密的詳細(xì)介紹，需要的小伙伴可以參考一下2022-04-04
在Python的Flask框架中實(shí)現(xiàn)單元測(cè)試的教程
這篇文章主要介紹了在Python的Flask框架中實(shí)現(xiàn)單元測(cè)試的教程,屬于自動(dòng)化部署的方面,可以給debug工作帶來諸多便利,需要的朋友可以參考下2015-04-04