怎么用Python構(gòu)建一個文檔掃描器

這篇文章主要講解了“怎么用Python構(gòu)建一個文檔掃描器”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)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(xué)習(xí)“怎么用Python構(gòu)建一個文檔掃描器”吧！

1、準(zhǔn)備好環(huán)境

首先您應(yīng)該熟悉Python的基礎(chǔ)知識，還需要了解如何使用NumPy Python庫。

打開任何Python IDE，創(chuàng)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(zhí)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(jìn)行一些圖像處理，使用Imutils來調(diào)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(shù)組。

等待安裝完成，并等待IDE更新項目骨干內(nèi)容。骨干內(nèi)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(dǎo)入已安裝的庫

打開main.py文件，導(dǎo)入所安裝的庫。這將使您能夠在必要時調(diào)用和使用它們的函數(shù)。

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(diào)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(nèi)容都可見。將圖像復(fù)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(zhuǎn)換期間需要它。將原始圖像的高度除以您想要調(diào)整到的高度。這將保持縱橫比。最后，輸出調(diào)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(xiàn)在您已經(jīng)將原始圖像的高度調(diào)整為500像素。

4、將調(diào)整后的圖像轉(zhuǎn)換為灰度圖像

將調(diào)整后的RGB圖像轉(zhuǎn)換為灰度圖像。大多數(shù)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(qū)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(diào)用OpenCV canny函數(shù)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(huán)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(diào)整后的RGB圖像圈出幾個角。

檢測到文檔之后，現(xiàn)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(shù)，用于轉(zhuǎn)換圖像以糾正失真。它將圖像轉(zhuǎn)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(chuàng)建一個簡單的模塊來執(zhí)行透視轉(zhuǎn)換。

9、轉(zhuǎn)換模塊

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

打開之前創(chuàng)建的那個transform.py文件，導(dǎo)入OpenCV庫和NumPy庫。

import numpy as np
import cv2

這個模塊將含有兩個函數(shù)。創(chuàng)建一個對文檔角點的坐標(biāo)進(jìn)行排序的函數(shù)。第一個坐標(biāo)將是左上角的坐標(biāo)，第二個將是右上角的坐標(biāo)，第三個將是右下角的坐標(biāo)，第四個將是左下角的坐標(biāo)。

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(chuàng)建將計算新圖像的角坐標(biāo)，并獲得俯拍的第二個函數(shù)。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(xiàn)在您已創(chuàng)建了轉(zhuǎn)換模塊。perspective_transform導(dǎo)入方面的錯誤現(xiàn)在將消失。

注意，顯示的圖像有俯拍。

10、運用自適應(yīng)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(zhì)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(jìn)步？

創(chuàng)建文檔掃描器涉及計算機視覺的一些核心領(lǐng)域，計算機視覺是一個廣泛而復(fù)雜的領(lǐng)域。為了在計算機視覺方面取得進(jìn)步，您應(yīng)該從事有趣味又有挑戰(zhàn)性的項目。

您還應(yīng)該閱讀如何將計算機視覺與當(dāng)前前技術(shù)結(jié)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(gòu)建一個文檔掃描器”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對怎么用Python構(gòu)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(guān)知識點的文章，歡迎關(guān)注！