介紹

對這個(gè)項(xiàng)目的動(dòng)機(jī)很簡單。我們中的許多人轉(zhuǎn)向了在線工作。隨著在線工作量的增加,人們通常不得不通過電子郵件或其他方式呈現(xiàn)文檔的數(shù)字化版本。換句話說,將任何文檔轉(zhuǎn)換為掃描文檔。本文,將介紹如何使用 Python 從頭開始創(chuàng)建文檔掃描儀。準(zhǔn)確地說,是用于圖像/視頻處理的 OpenCV 庫。事不宜遲,讓我們開始吧。文件掃描儀在進(jìn)入編碼部分之前,我們需要了解我們將要做什么。這是在開始這個(gè)項(xiàng)目之前問自己的一系列問題。我們想在這里建造什么?

— 文件掃描儀。好的。但它做什么或應(yīng)該做什么?— 顯然,要掃描文檔。正確的。那么,掃描出來的文件應(yīng)該是什么樣子的呢?— 好問題,對吧?具體來看,掃描的文檔應(yīng)該有兩個(gè)特點(diǎn):看起來像掃描的文檔,黑白 (B&W) 顏色;正確旋轉(zhuǎn)(無隨機(jī)角度)。讓我們先從簡單的功能開始,并根據(jù)需要增加其他功能。編碼文件掃描儀首先讓我們導(dǎo)入這個(gè)項(xiàng)目需要的所有庫(我們可能會(huì)根據(jù)需要添加一些東西)import numpy as np
import cv2
from skimage．filters import threshold_local
import math
from scipy import ndimage
print("Imports are Done!")
I． 第一個(gè)屬性:掃描(黑白)視圖讓我們從掃描儀的第一個(gè)屬性開始——生成掃描圖像!在這個(gè)例子中,我使用了一張照片,來自Yuval Noah Harari的書*“21 Lessons for the 21st Century*。

旁注:它是一本很棒的書。本系列的其他兩本書(“Sapiens: A Brief History of Humankind”和“Homo Deus: A Brief History of Tomorrow”)都建議閱讀!回到我們的文檔掃描儀,我們希望通過更改配色方案使該圖像看起來清晰明快。讓我們將此操作稱為  Scan_view()。為了使它成為一個(gè)完整的應(yīng)用程序項(xiàng)目,讓我們創(chuàng)建一個(gè)名為Scanner的類,其中Scan_view() 將是其方法。class Scanner:
def __init__(self, img):
 self．img = img

def Scan_View(self):
 print("Scanned View")
 # read the original image, copy it,
 # apply threshold to "scannify" it
 image = cv2．imread(self．img)
 orig = image．copy()
 
 # convert our image to grayscale, apply threshold
 # to create scanned view effect
 image = cv2．cvtColor(image, cv2．COLOR_BGR2GRAY)
 thr = threshold_local(image, 11, offset = 10, method = "gaussian")
 image = (image > thr)．a(chǎn)stype("uint8") * 255
 # show the original image and the edge detected image
 #cv2．imshow("orig", orig)
 #cv2．imshow("Scanned", image)
 #cv2．waitKey(0)
 #cv2．destroyAllWindows()
 print(np．shape(orig), np．shape(image))
   
 # Saving a B&W image itself
 cv2．imwrite('Part_scan_view．png', image)
 return image
代碼的快速解釋:創(chuàng)建一個(gè)scan具有圖像作為其屬性的對象。因此,self．img = img在__init__()方法中使用;另外,想要一種負(fù)責(zé)更改此屬性(即圖像/文檔)的方法——更改配色方案、旋轉(zhuǎn)、裁剪、調(diào)整大小等。因此Scan_View()對它的類屬性(即,對它自己或self)執(zhí)行操作。這個(gè)方法的實(shí)質(zhì)隱藏在threshold_local操作中。這基本上是一種基于像素的局部鄰域計(jì)算閾值掩碼的操作。這也稱為自適應(yīng)閾值。閾值是像素的局部鄰域的加權(quán)平均值減去常數(shù)。找到閾值掩碼后,我們只需將前景像素值選擇為image>threshold。我們可以保存新的清晰新鮮的圖像并返回以備進(jìn)一步處理。要運(yùn)行代碼,我們可以簡單地創(chuàng)建一個(gè)scan對象并為其提供文檔/照片作為其屬性,如下所示:
if __name__=="__main__":
# Defining the image name
img = "21_Lesson_21th_Century．jpeg"

# Calling the scanner class
scan = Scanner(img)

# Scanning the image -> B&W scheme
scanned_im = scan．Scan_View()
結(jié)果,我們得到了這張圖片:

上述文件的掃描版本。讓我們繼續(xù)進(jìn)行項(xiàng)目的下一部分。II． 第二個(gè)屬性:文檔輪換讓我們繼續(xù)我們的掃描儀的第二個(gè)屬性——文檔旋轉(zhuǎn)!假設(shè),我們以隨機(jī)角度拍攝了一本書的照片。自動(dòng)旋轉(zhuǎn)它以獲得自上而下的正面視圖不是很好嗎?當(dāng)然會(huì)!問題是怎么做?最初,我們正在考慮使用主成分分析 (PCA) 來確定文檔方向。然而,對于這個(gè)項(xiàng)目來說,這似乎有點(diǎn)過分了。我們想要一些簡單但有效的東西。會(huì)自動(dòng)確定文本/邊框線和水平線之間的旋轉(zhuǎn)角度的東西。因此,想出了一個(gè)更簡單的方法,它基本上利用了霍夫變換。簡而言之,霍夫變換是一種用于檢測各種形狀的技術(shù)。在我們的例子中,這將是一組沿著文本行的行!好主意,對吧?但是為了使這種方法健壯,我們需要確保檢測到正確的方向。一些線條可能沿著文本出現(xiàn),但其他線條沿著書籍/文檔邊緣出現(xiàn)——我們不希望那樣。所以,我們想要平均這些變化。換句話說,要找到所有線角的中值。因此,我們將掃描對象(Rotation())的新方法定義如下:class Scanner:
def __init__(self, img):
 self．img = img
def Rotation(self):
 print("Rotation")
 # read the original image, copy it,
 # rotate it
 image = cv2．imread(self．img)
 orig = image．copy()
 
 image = cv2．cvtColor(orig, cv2．COLOR_BGR2GRAY)
 img_edges = cv2．Canny(image, 100, 100, apertureSize=3)
 lines = cv2．HoughLinesP(img_edges, rho=1, theta=np．pi / 180．0, threshold=160, minLineLength=100, maxLineGap=10)
 
 # calculate all the angles:
 angles = []
 for [[x1, y1, x2, y2]] in lines:
  angle = math．degrees(math．a(chǎn)tan2(y2 - y1, x2 - x1))
  angles．a(chǎn)ppend(angle)
 
 # average angles
 median_angle = np．median(angles)
 # actual rotation
 image = ndimage．rotate(image, median_angle)
 # Saving an image itself
 cv2．imwrite('Part_rotation．png', image)
 return image
如上所述,這部分應(yīng)用程序的重點(diǎn)是找到正確的霍夫線(HoughLinesP()方法,其中P代表概率,請參閱參考資料以了解有關(guān)此方法的更多信息)我們從每條線獲得角度的中值并將其用于文檔旋轉(zhuǎn)(ndimage．rotate()方法)。我們可以對清晰的黑白圖像執(zhí)行此操作,如下所示:if __name__=="__main__":
# Defining the image name
img = "Part_scan_view．png"
 
  # Calling the scanner class
scan = Scanner(img)
 
  # Performing Rotation
rotated_im = scan．Rotation()
結(jié)果,我們得到了一個(gè)旋轉(zhuǎn)的圖像:

精彩的掃描、清晰和旋轉(zhuǎn)的圖像!完整代碼對于感興趣的讀者,這里是一個(gè)GitHub 存儲(chǔ)庫,其中包含每種方法的更多詳細(xì)信息和文檔。h概括在本文中,我們學(xué)習(xí)了如何使用著名的用于圖像/視頻處理的 Python 庫 OpenCV 從頭開始構(gòu)建文檔掃描儀的工作原型。未來發(fā)展將這個(gè)應(yīng)用程序稱為文檔掃描儀 (v．1), 因?yàn)橛幸恍┛梢赃M(jìn)一步改進(jìn)它的地方。1．例如,使用另一種(或改進(jìn)的)算法進(jìn)行文檔輪換。由于其性質(zhì),該算法可能并不總是在 100% 的情況下提供完美的俯視圖。一種替代方法可能是使用主成分分析(或 PCA)來確定文檔的更精確方向。但這超出了本文的范圍。2．關(guān)于旋轉(zhuǎn)本身,我不喜歡旋轉(zhuǎn)圖像上的那些空黑塊。這也可以解決以改進(jìn)此應(yīng)用程序�？赡苁鞘顾鼈�?yōu)榭?( NaN) 值。3．另一個(gè)可能需要仔細(xì)檢查的操作是黑白顏色轉(zhuǎn)換。我認(rèn)為自適應(yīng)閾值是一個(gè)不錯(cuò)的選擇,但是,可能有更好的方法。