Python怎么構建一個文檔掃描器

本篇內容主要講解“Python怎么構建一個文檔掃描器”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python怎么構建一個文檔掃描器”吧!

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。

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。

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。

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。

彩色桌變成了黑白桌。

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。

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。

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。

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。

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。

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jpg格式保存掃描件可以保持文檔質量。

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。

到此，相信大家對“Python怎么構建一個文檔掃描器”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！