使用OpenCV构建Python文档扫描仪：从边缘检测到透视变换

林见深

发布时间：2026-10-16| 5人浏览过

原创

本文详细介绍如何使用OpenCV在Python中构建文档扫描器。通过形态学运算清理背景，利用Canny算法进行边缘检测，结合GrabCut技术去除无关背景，最终通过Douglas-Peucker算法识别角点并执行透视变换，实现从倾斜拍摄图像到正视图扫描件的自动转换。

介绍

本文将演示如何利用OpenCV库开发一个基于Python的文档扫描程序。

OpenCV是一个广泛使用的开源计算机视觉库，支持Python、C++等多种编程语言。它具备强大的图像处理能力，例如通过人脸检测系统识别照片中的面部特征。

如需深入了解OpenCV，可访问其官方文档链接：https://pypi.org/project/opencv-python/ 获取详细信息。

我们的目标是构建一个软件，能够自动校正文档角度、检测图像中的文档边界、提升文档清晰度，并输出高质量的扫描图像。具体而言，输入为相机拍摄的原始文档照片，OpenCV将处理该图像以生成优化后的结果。

系统的基本工作流程如下：

形态学运算
边缘与轮廓检测
角点识别
视角变换

执行形态学操作

形态学是一系列基于图像几何结构（如高度和宽度）而非像素值排序的图像处理算法。其核心在于处理图像的大小和形状特征。

kernel = np.ones((5,5),np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel, iterations= 3)

我们可以调用morphologyEx()函数来执行相关操作。在形态学中，“闭”（close）操作等效于先进行膨胀（Dilation）再进行腐蚀（Erosion）的过程。

我们将创建一个与原图尺寸相同的空白文档，因为在处理边缘时，原始图像内容可能产生干扰，我们需要避免误删有效信息。

从捕获的图像中去除背景

照片中与拍摄主体无关的部分也需要被移除。类似于图像裁剪，我们只保留文档所需的部分。这里可以使用GrabCut库来实现。

当GrabCut接收到输入图片及其边界框后，它会剔除边界外的所有元素。

为了利用GrabCut识别背景，我们还可以为用户提供手动设置文档边框的选项。

目前，GrabCut能够通过从图像四个角各取20个像素作为背景参考，自动识别前景主体。

mask = np.zeros(img.shape[:2],np.uint8)
bgdModel = np.zeros((1,65),np.float64)
fgdModel = np.zeros((1,65),np.float64)
rect = (20,20,img.shape[1]-20,img.shape[0]-20)
cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
img = img*mask2[:,:,np.newaxis]

这里的“rect”变量定义了我们要分离的边界区域。即使部分背景进入线条内部，这也是可接受的，因为我们的目标是确保对象的任何部分都不超出边界。

边缘与轮廓检测

目前我们拥有与原文件尺寸相同的空白文件。接下来，我们将进行边缘检测，为此使用Canny函数。

为了清理文档中的噪声，我们还应用了高斯模糊处理。

注意：Canny函数仅适用于灰度图像，因此如果图像尚未转换，需先将其转换为灰度模式。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (11, 11), 0)
# Edge Detection.
canny = cv2.Canny(gray, 0, 200)
canny = cv2.dilate(canny, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))

在最后一行代码中，我们对图像进行了放大处理。

此后，我们可以继续进行轮廓检测：

我们仅记录最大的轮廓，并在一个新的空白文档上进行交互处理。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (11, 11), 0)
# Edge Detection.
canny = cv2.Canny(gray, 0, 200)
canny = cv2.dilate(canny, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)))

识别角点

我们将利用已检测到的四个角来对齐纸张。这里使用“Douglas-Peucker”算法和approxPolyDp()函数。

con = np.zeros_like(img)
# Loop over the contours.
for c in page:
  # Approximate the contour.
  epsilon = 0.02 * cv2.arcLength(c, True)
  corners = cv2.approxPolyDP(c, epsilon, True)
  # If our approximated contour has four points
  if len(corners) == 4:
      break
cv2.drawContours(con, c, -1, (0, 255, 255), 3)
cv2.drawContours(con, corners, -1, (0, 255, 0), 10)
corners = sorted(np.concatenate(corners).tolist())
for index, c in enumerate(corners):
  character = chr(65 + index)
  cv2.putText(con, character, tuple(c), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 1, cv2.LINE_AA)

标准化四点定位

def order_points(pts):
    rect = np.zeros((4, 2), dtype='float32')
    pts = np.array(pts)
    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.astype('int').tolist()

寻找目标坐标：

最后一组坐标用于改变图像的视角。如果照片是以一定角度拍摄的，这将非常有用。

(tl, tr, br, bl) = pts
# Finding the maximum width.
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))
# Finding the maximum height.    
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))
# Final destination co-ordinates.
destination_corners = [[0, 0], [maxWidth, 0], [maxWidth, maxHeight], [0, maxHeight]]

透视变换

源照片的坐标现在必须与我们预先发现的目标坐标对齐。完成此阶段后，图像看起来就像是从纸张正上方拍摄的一样。

# Getting the homography.
M = cv2.getPerspectiveTransform(np.float32(corners), np.float32(destination_corners))
final = cv2.warpPerspective(orig_img, M, (destination_corners[2][0], destination_corners[2][1]), flags=cv2.INTER_LINEAR)