怎么用Python構建一個文檔掃描器

這篇文章主要講解了“怎么用Python構建一個文檔掃描器”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“怎么用Python構建一個文檔掃描器”吧！

1、準備好環境

首先您應該熟悉Python的基礎知識，還需要了解如何使用NumPy Python庫。

打開任何Python IDE，創建兩個Python文件。將一個命名為main.py，將另一個命名為transform.py。然后在終端上執行以下命令，安裝所需的庫。

pip install OpenCV-Python imutils scikit-image NumPy

您將使用OpenCV-Python獲取圖像輸入并進行一些圖像處理，使用Imutils來調整輸入和輸出圖像的大小，并使用scikit-image對圖像施加閾值。NumPy將幫助您處理數組。

等待安裝完成，并等待IDE更新項目骨干內容。骨干內容更新完成后，您就可以開始編程了。完整的源代碼可以在GitHub代碼庫中找到。

2、導入已安裝的庫

打開main.py文件，導入所安裝的庫。這將使您能夠在必要時調用和使用它們的函數。

import cv2
import imutils
from skimage.filters import threshold_local
from transform import perspective_transform

忽略perspective_transform方面拋出的錯誤。您完成處理transform.py文件的工作后，錯誤會消失。

3、獲取并調整輸入的大小

為想要掃描的文檔拍攝一張清晰的圖像。確保文檔的四個角及其內容都可見。將圖像復制到存儲程序文件的同一個文件夾中。

將輸入圖像路徑傳遞給OpenCV。制作原始圖像的副本，因為您在透視轉換期間需要它。將原始圖像的高度除以您想要調整到的高度。這將保持縱橫比。最后，輸出調整后的圖像。

# Passing the image path
original_img = cv2.imread('sample.jpg')
copy = original_img.copy()

# The resized height in hundreds
ratio = original_img.shape[0] / 500.0
img_resize = imutils.resize(original_img, height=500)

# Displaying output
cv2.imshow('Resized image', img_resize)

# Waiting for the user to press any key
cv2.waitKey(0)

上述代碼的輸出如下：

現在您已經將原始圖像的高度調整為500像素。

4、將調整后的圖像轉換為灰度圖像

將調整后的RGB圖像轉換為灰度圖像。大多數圖像處理庫只處理灰度圖像，因為它們更容易處理。

gray_image = cv2.cvtColor(img_resize, cv2.COLOR_BGR2GRAY)
cv2.imshow('Grayed Image', gray_image)
cv2.waitKey(0)

注意原始圖像和灰度圖像之間的區別。

IDE上顯示灰色映像的程序輸出

彩色桌變成了黑白桌。

5、運用邊緣檢測器

對灰度圖像運用高斯模糊濾鏡以去除噪聲。然后調用OpenCV canny函數來檢測圖像中存在的邊緣。

blurred_image = cv2.GaussianBlur(gray_image, (5, 5), 0)
edged_img = cv2.Canny(blurred_image, 75, 200)
cv2.imshow('Image edges', edged_img)
cv2.waitKey(0)

邊緣在輸出上是可見的。

您將處理的邊緣是文檔的邊緣。

6、尋找最大的輪廓

檢測邊緣圖像中的輪廓。按降序排序，只保留五個最大的輪廓。通過循環排序后的輪廓，近似獲取最大的四邊輪廓。

cnts, _ = cv2.findContours(edged_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]

for c in cnts:
peri = cv2.arcLength(c, True)
approx = cv2.approxPolyDP(c, 0.02 * peri, True)

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

有四個邊的輪廓很可能含有文檔。

7、圈出文檔輪廓的四個角

圈出檢測到的文檔輪廓的幾個角。這將幫助您確定您的程序是否能夠檢測圖像中的文檔。

p = []

for d in doc:
tuple_point = tuple(d[0])
cv2.circle(img_resize, tuple_point, 3, (0, 0, 255), 4)
p.append(tuple_point)

cv2.imshow('Circled corner points', img_resize)
cv2.waitKey(0)

對調整后的RGB圖像圈出幾個角。

檢測到文檔之后，現在需要從圖像中提取文檔。

8、使用扭曲透視獲得所需的圖像

扭曲透視（warp perspective）是一種計算機視覺技術，用于轉換圖像以糾正失真。它將圖像轉換成不同的平面，讓您可以從不同的角度查看圖像。

warped_image = perspective_transform(copy, doc.reshape(4, 2) * ratio)
warped_image = cv2.cvtColor(warped_image, cv2.COLOR_BGR2GRAY)
cv2.imshow("Warped Image", imutils.resize(warped_image, height=650))
cv2.waitKey(0)

為了獲得扭曲后的圖像，您需要創建一個簡單的模塊來執行透視轉換。

9、轉換模塊

該模塊將對文檔角的點進行排序。它還會將文檔圖像轉換成不同的平面，并將相機角度更改為俯拍。

打開之前創建的那個transform.py文件，導入OpenCV庫和NumPy庫。

import numpy as np
import cv2

這個模塊將含有兩個函數。創建一個對文檔角點的坐標進行排序的函數。第一個坐標將是左上角的坐標，第二個將是右上角的坐標，第三個將是右下角的坐標，第四個將是左下角的坐標。

def order_points(pts):
 # initializing the list of coordinates to be ordered
 rect = np.zeros((4, 2), dtype = "float32")

 s = pts.sum(axis = 1)

 # top-left point will have the smallest sum
 rect[0] = pts[np.argmin(s)]

 # bottom-right point will have the largest sum
 rect[2] = pts[np.argmax(s)]

 '''computing the difference between the points, the
 top-right point will have the smallest difference,
 whereas the bottom-left will have the largest difference'''
 diff = np.diff(pts, axis = 1)
 rect[1] = pts[np.argmin(diff)]
 rect[3] = pts[np.argmax(diff)]

 # returns ordered coordinates
 return rect

創建將計算新圖像的角坐標，并獲得俯拍的第二個函數。然后，它將計算透視變換矩陣，并返回扭曲的圖像。

def perspective_transform(image, pts):
 # unpack the ordered coordinates individually
 rect = order_points(pts)
 (tl, tr, br, bl) = rect

 '''compute the width of the new image, which will be the
 maximum distance between bottom-right and bottom-left
 x-coordinates or the top-right and top-left x-coordinates'''
 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))

 '''compute the height of the new image, which will be the
 maximum distance between the top-left and bottom-left y-coordinates'''
 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))

 '''construct the set of destination points to obtain an overhead shot'''
 dst = np.array([
[0, 0],
[maxWidth - 1, 0],
[maxWidth - 1, maxHeight - 1],
[0, maxHeight - 1]], dtype = "float32")

 # compute the perspective transform matrix
 transform_matrix = cv2.getPerspectiveTransform(rect, dst)

 # Apply the transform matrix
 warped = cv2.warpPerspective(image, transform_matrix, (maxWidth, maxHeight))

 # return the warped image
 return warped

現在您已創建了轉換模塊。perspective_transform導入方面的錯誤現在將消失。

注意，顯示的圖像有俯拍。

10、運用自適應閾值，保存掃描輸出

在main.py文件中，對扭曲的圖像運用高斯閾值。這將給扭曲的圖像一個掃描后的外觀。將掃描后的圖像輸出保存到含有程序文件的文件夾中。

T = threshold_local(warped_image, 11, offset=10, method="gaussian")
warped = (warped_image > T).astype("uint8") * 255
cv2.imwrite('./'+'scan'+'.png',warped)

以PNG格式保存掃描件可以保持文檔質量。

11、顯示輸出

輸出掃描后文檔的圖像：

cv2.imshow("Final Scanned image", imutils.resize(warped, height=650))
cv2.waitKey(0)
cv2.destroyAllWindows()

下圖顯示了程序的輸出，即掃描后文檔的俯拍。

12、計算機視覺在如何進步？

創建文檔掃描器涉及計算機視覺的一些核心領域，計算機視覺是一個廣泛而復雜的領域。為了在計算機視覺方面取得進步，您應該從事有趣味又有挑戰性的項目。

您還應該閱讀如何將計算機視覺與當前前技術結合使用方面的更多信息。這讓您能了解情況，并為所處理的項目提供新的想法。

感謝各位的閱讀，以上就是“怎么用Python構建一個文檔掃描器”的內容了，經過本文的學習后，相信大家對怎么用Python構建一個文檔掃描器這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！