使用Python和OpenCV實現(xiàn)實時文檔掃描與矯正系統(tǒng)
更新時間：2025年05月19日 08:29:29 作者：知舟不敘
在日常工作和學習中,我們經(jīng)常需要將紙質文檔數(shù)字化,手動拍攝文檔照片常常會出現(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構建一個實時文檔掃描與矯正系統(tǒng),能夠通過攝像頭自動檢測文檔邊緣并進行透?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)主要實現(xiàn)以下功能：
- 實時攝像頭捕獲圖像
- 邊緣檢測和輪廓查找
- 文檔輪廓識別
- 透 視變換矯正文檔
- 二值化處理增強可讀性
二、核心代碼解析
1. 導入必要庫
import numpy as np import cv2
我們主要使用NumPy進行數(shù)值計算，OpenCV進行圖像處理。
2. 輔助函數(shù)定義
首先定義了一個簡單的圖像顯示函數(shù)，方便調試：
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(10)
3. 坐標點排序函數(shù)
order_points函數(shù)用于將檢測到的文檔四個角點按順序排列（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(x+y最小)
rect[2] = pts[np.argmax(s)] # 右下點(x+y最大)
diff = np.diff(pts,axis=1)
rect[1] = pts[np.argmin(diff)] # 右上點(y-x最小)
rect[3] = pts[np.argmax(diff)] # 左下點(y-x最大)
return rect
這個函數(shù)的作用是對給定的4個二維坐標點進行排序，使其按照左上、右上、右下、左下的順序排列。這在文檔掃描、圖像矯正等應用中非常重要，因為我們需要知道每個角點的確切位置才能正確地進行透視變換。
函數(shù)詳細解析
（1）排序邏輯說明
左上點(rect[0])：選擇x+y值最小的點
- 因為左上角在坐標系中 x 和 y 值都較小，相加結果最小
右下點(rect[2])：選擇x+y值最大的點
- 因為右下角在坐標系中 x 和 y 值都較大，相加結果最大
右上點(rect[1])：選擇y-x值最小的點
- 右上角的特點是 y 相對較小而 x 相對較大，所以 y-x 值最小
左下點(rect[3])：選擇y-x值最大的點
- 左下角的特點是 y 相對較大而 x 相對較小，所以 y-x 值最大
（2）示例
假設有4個點：
A(10, 20) # 假設是左上 B(50, 20) # 右上 C(50, 60) # 右下 D(10, 60) # 左下
計算過程：
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點的幾何特性：
- 在標準坐標系中，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
通過簡單的加減運算就能可靠地區(qū)分出各個角點，不需要復雜的幾何計算。
4. 透視變換函數(shù)
four_point_transform函數(shù)實現(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))
# 定義目標圖像坐標
dst = np.array([[0,0],[maxWidth - 1,0],
[maxWidth - 1,maxHeight - 1],[0,maxHeight - 1]],dtype="float32")
# 計算透視變換矩陣并應用
M = cv2.getPerspectiveTransform(rect,dst)
warped = cv2.warpPerspective(image,M,(maxWidth,maxHeight))
return warped
這個函數(shù)實現(xiàn)了透視變換(Perspective Transformation)，用于將圖像中的任意四邊形區(qū)域矯正為一個矩形（即"去透視"效果）。
函數(shù)詳細解析
- 輸入?yún)?shù)
def four_point_transform(image, pts):
image: 原始圖像pts: 包含4個點的數(shù)組，表示要轉換的四邊形區(qū)域
- 坐標點排序
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個點按順序排列
- 計算輸出圖像的寬度
widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2)) # 底邊長度 widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2)) # 頂邊長度 maxWidth = max(int(widthA), int(widthB)) # 取最大值作為輸出圖像寬度
計算四邊形底部和頂部的邊長，選擇較長的作為輸出寬度
- 計算輸出圖像的高度
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
計算四邊形右側和左側的邊長，選擇較長的作為輸出高度
- 定義目標矩形坐標
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坐標（從(0,0)開始的正矩形）
- 計算透視變換矩陣并應用
M = cv2.getPerspectiveTransform(rect, dst) # 計算變換矩陣 warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight)) # 應用變換
getPerspectiveTransform: 計算從原始四邊形到目標矩形的3x3變換矩陣warpPerspective: 應用這個變換矩陣到原始圖像
- 返回結果
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，兩條對邊長度可能不等
- 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：
- 圖像坐標從0開始，所以寬度為maxWidth的圖像，最大x坐標是maxWidth-1
5. 主程序流程
主程序實現(xiàn)了實時文檔檢測和矯正的完整流程：
- 初始化攝像頭
cap = cv2.VideoCapture(0)
if not cap.isOpened():
print("Cannot open camera")
exit()
- 實時處理循環(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
- 輪廓檢測與篩選
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個輪廓
for c in cnts:
peri = cv2.arcLength(c,True) # 計算輪廓周長
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個坐標點
rect = np.zeros((4,2),dtype="float32") # 用來存儲排序之后的坐標位置
# 按順序找到對應坐標0123分別是 左上、右上、右下、左下
s = pts.sum(axis=1) #對pts矩陣的每一行進行求和操作，（x+y）
rect[0] = pts[np.argmin(s)]
rect[2] = pts[np.argmax(s)]
diff = np.diff(pts,axis=1) #對pts矩陣的每一行進行求差操作，（y-x）
rect[1] = pts[np.argmin(diff)]
rect[3] = pts[np.argmax(diff)]
return rect
def four_point_transform(image,pts):
# 獲取輸入坐標點
rect = order_points(pts)
(tl,tr,br,bl) = rect
# 計算輸入的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))
# 變換后對應坐標位置
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))
# 返回變換后的結果
return warped
# 讀取輸入
import cv2
cap = cv2.VideoCapture(0) # 確保攝像頭是可以啟動的狀態(tài)
if not cap.isOpened(): #打開失敗
print("Cannot open camera")
exit()
while True:
flag = 0 # 用于標時 當前是否檢測到文檔
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
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:
# 計算輪廓近似
peri = cv2.arcLength(c,True) # 計算輪廓的周長
# C 表示輸入的點集
# epsilon表示從原始輪廓到近似輪廓的最大距離，它是一個準確度參數(shù)
# True表示封閉的
approx = cv2.approxPolyDP(c,0.05 * peri,True) # 輪廓近似
area = cv2.contourArea(approx)
# 4個點的時候就拿出來
if area > 20000 and len(approx) == 4:
screenCnt = approx
flag = 1
print(peri,area)
print("檢測到文檔")
break
if flag == 1:
# 展示結果
# 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() #關閉圖像窗口
四、結語
本文介紹了一個基于OpenCV的實時文檔掃描與矯正系統(tǒng)，通過邊緣檢測、輪廓分析和透視變換等技術，實現(xiàn)了文檔的自動檢測和矯正。該系統(tǒng)可以方便地應用于日常文檔數(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)自己的需求進行修改和擴展。OpenCV提供了強大的圖像處理能力，結合Python的簡潔語法，使得開發(fā)這樣的實用系統(tǒng)變得簡單高效。
以上就是使用Python和OpenCV實現(xiàn)實時文檔掃描與矯正系統(tǒng)的詳細內(nèi)容，更多關于Python OpenCV文檔掃描與矯正的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要介紹了如何使Python中的print()顯示當前語句后不換行，print() 是一個常用函數(shù)，但是每次,print()語句顯示后都會換行，本問我們就來節(jié)日如何使print()顯示當前語句后不換行,需要的朋友可以參考一下2022-03-03
您可能聽說過，帶有 yield 的函數(shù)在 Python 中被稱之為、generator（生成器），何謂 generator ？我們先拋開 generator，以一個常見的編程題目來展示 yield 的概念2021-10-10
在本篇文章里小編給大家整理的是一篇關于python中re模塊知識點總結內(nèi)容，有興趣的朋友們可以學習下。2021-01-01
在實際開發(fā)中,我們經(jīng)常需要對日期進行加減操作,本文主要介紹了python時間日期相加減的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2024-02-02
今天小編就為大家分享一篇pandas每次多Sheet寫入文件的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
這篇文章主要介紹了Python如何實現(xiàn)數(shù)字的格式化輸出，文中講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-08-08
這篇文章主要介紹了Python 處理文件的幾種方式，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-10-10
shutil是Python標準庫中的一個模塊,提供了許多用于文件和文件夾操作的高級接口,本文主要詳細介紹了Python如何使用shutil實現(xiàn)快捷操作文件和文件夾,需要的可以參考下2024-02-02
python實現(xiàn)的分析并統(tǒng)計nginx日志數(shù)據(jù)功能示例
這篇文章主要介紹了python實現(xiàn)的分析并統(tǒng)計nginx日志數(shù)據(jù)功能,結合實例形式分析了Python針對nginx日志ip、訪問url、狀態(tài)等數(shù)據(jù)的相關讀取、解析操作技巧,需要的朋友可以參考下2019-12-12
這篇文章主要介紹了用python讀取xlsx文件的方法，幫助大家更好的利用python處理excel文件，感興趣的朋友可以了解下2020-12-12