[论文解读] Complete Scanning Application Using OpenCv

Ayushe Gangal, Peeyush Kumar+1 more|arXiv (Cornell University)|Jul 8, 2021

Industrial Vision Systems and Defect Detection被引用 10

一句话总结

本文提出了一种使用 Python 3.7 中的 OpenCV 和 NumPy 的完整文档扫描应用程序，结合图像预处理、轮廓检测、透视变换、自适应阈值化、噪声过滤以及自动裁剪/旋转功能。该系统通过计算机视觉技术的模块化流水线，从任意输入图像中实现准确、高对比度的文档扫描。

ABSTRACT

In the following paper, we have combined the various basic functionalities provided by the NumPy library and OpenCv library, which is an open source for Computer Vision applications, like conversion of colored images to grayscale, calculating threshold, finding contours and using those contour points to take perspective transform of the image inputted by the user, using Python version 3.7. Additional features include cropping, rotating and saving as well. All these functions and features, when implemented step by step, results in a complete scanning application. The applied procedure involves the following steps: Finding contours, applying Perspective transform and brightening the image, Adaptive Thresholding and applying filters for noise cancellation, and Rotation features and perspective transform for a special cropping algorithm. The described technique is implemented on various samples.

研究动机与目标

• 使用开源计算机视觉工具开发一个功能完整的文档扫描应用程序。
• 实现对倾斜或不规则拍摄的文档图像的自动检测与校正。
• 实现一个稳健的图像预处理流水线，包括阈值化、去噪和亮度调节。
• 提供用户友好的输出功能，支持裁剪、旋转和保存。
• 在多种真实世界文档样本上展示系统的有效性。

提出的方法

• 使用 OpenCV 的轮廓查找算法在输入图像中检测轮廓。
• 通过从检测到的轮廓中识别出的四个角点应用透视变换，以校正图像失真。
• 使用自适应阈值化以增强对比度并提高文本可见性。
• 应用形态学滤波器在保留文本特征的同时减少噪声。
• 基于轮廓方向实现自动旋转校正，以正确对齐文档。
• 集成图像裁剪和保存功能，用于生成最终输出。

实验结果

研究问题

• RQ1 如何仅使用 OpenCV 和 NumPy 等开源库实现一个完整的文档扫描流水线？
• RQ2 在不同输入条件下，哪些图像预处理步骤组合能确保对文档边界的稳健检测？
• RQ3 在无需人工干预的情况下，透视校正和自适应阈值化能在多大程度上提升扫描质量？
• RQ4 所提出的裁剪算法在处理倾斜或旋转的文档时效果如何？
• RQ5 该系统是否能在多种输入样本中持续生成高对比度、可读性强的扫描件？

主要发现

• 该系统通过一系列计算机视觉操作，成功将不规则拍摄的文档图像转换为清晰、校正后的扫描件。
• 基于检测到的轮廓的透视变换显著改善了文档的对齐效果和可读性。
• 自适应阈值化和去噪处理增强了图像对比度，并减少了最终输出中的伪影。
• 自动旋转与裁剪算法能有效处理各种角度和方向的文档。
• 该应用程序在多个测试样本中表现出一致的性能，生成的高质量扫描件适用于归档或后续处理。
• OpenCV 与 NumPy 的集成实现了轻量化、高效且完全可复现的 Python 扫描流水线。