在日常工作學習中，我們經常需要掃描紙質文檔留存電子檔，但專業掃描儀攜帶不便。其實，用 Python 和 OpenCV 就能打造一個實時文檔掃描工具，通過電腦攝像頭捕捉文檔、自動檢測邊緣、完成透視矯正，最后生成清晰的二值化掃描件。今天就帶大家拆解這個工具的實現邏輯，手把手教你搭建屬于自己的實時文檔掃描系統。

一、核心原理：文檔掃描的技術邏輯

實時文檔掃描的核心是解決 “如何從攝像頭畫面中提取文檔，并將傾斜、變形的文檔轉為正視圖”。整個流程可拆解為 4 個關鍵步驟：

1. 圖像預處理：將彩色圖像轉為灰度圖并降噪，為邊緣檢測做準備；
2. 邊緣檢測：識別圖像中的物體輪廓，定位文檔的大致范圍；
3. 文檔輪廓提取：從所有輪廓中篩選出符合 “文檔特征”（四邊形、面積足夠大）的輪廓；
4. 透視變換與二值化：將傾斜的文檔輪廓矯正為正矩形，并轉為黑白二值圖，模擬掃描效果。

二、代碼解析：逐函數理解實現細節

先看完整代碼框架，再逐個模塊拆解，確保每個技術點都清晰易懂。

1. 導入依賴庫

import numpy as np
import cv2

• numpy：用于數值計算，處理圖像的數組數據；
• cv2：OpenCV 庫，核心工具，負責圖像讀取、預處理、輪廓檢測等操作。

2. 關鍵輔助函數 1：四點排序（確定文檔四角）

文檔是四邊形，但攝像頭捕捉到的輪廓點可能是無序的（比如按 “右上→左下→左上→右下” 排列），必須先按 “左上→右上→右下→左下” 的順序排序，才能正確進行透視變換。

def order_points(pts):
    # 創建4x2的數組存儲排序后的四角坐標（float32類型，適合OpenCV計算）
    rect = np.zeros((4, 2), dtype="float32")
    # 1. 按“x+y”求和：左上角點的x+y最小，右下角點的x+y最大
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]  # 左上：sum最小
    rect[2] = pts[np.argmax(s)]  # 右下：sum最大
    # 2. 按“y-x”求差：右上角點的y-x最小，左下角點的y-x最大
    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]  # 右上：diff最小
    rect[3] = pts[np.argmax(diff)]  # 左下：diff最大
    return rect

舉個例子：若無序點為[[300,400], [100,200], [500,600], [200,500]]，排序后會得到標準的 “左上→右上→右下→左下” 順序，為后續透視變換奠定基礎。

3. 關鍵輔助函數 2：透視變換（矯正傾斜文檔）

透視變換能將 “傾斜的四邊形” 轉為 “正矩形”，就像從正上方俯視文檔一樣，這是文檔掃描的核心步驟。

def four_point_transform(image, pts):
    # 第一步：獲取排序后的四角坐標
    rect = order_points(pts)
    (tl, tr, br, bl) = rect  # tl=左上，tr=右上，br=右下，bl=左下
    # 第二步：計算文檔的實際寬度（取左右兩邊寬度的最大值，避免誤差）
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))  # 下邊長
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))  # 上邊長
    maxWidth = max(int(widthA), int(widthB))  # 文檔最終寬度
    # 第三步：計算文檔的實際高度（取上下兩邊高度的最大值）
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))  # 右邊長
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))  # 左邊長
    maxHeight = max(int(heightA), int(heightB))  # 文檔最終高度
    # 第四步：定義目標圖像的四角坐標（正矩形，左上角為原點(0,0)）
    dst = np.array([
        [0, 0],                  # 目標左上
        [maxWidth - 1, 0],       # 目標右上
        [maxWidth - 1, maxHeight - 1],  # 目標右下
        [0, maxHeight - 1]], dtype="float32")  # 目標左下
    # 第五步：生成透視變換矩陣，并用矩陣矯正圖像
    M = cv2.getPerspectiveTransform(rect, dst)  # 計算透視矩陣M
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))  # 應用透視變換
    return warped  # 返回矯正后的文檔圖像

效果：原本傾斜的文檔（比如從側面拍攝的 A4 紙），會被轉為正立的矩形，和掃描件效果一致。

4. 輔助函數 3：圖像顯示（避免窗口自動關閉）

OpenCV 默認的imshow會在后續代碼執行時自動關閉，這里自定義函數確保窗口持續顯示，方便觀察每一步處理結果。

def cv_show(name, img):
    cv2.imshow(name, img)  # 第一個參數是窗口名，第二個是要顯示的圖像

5. 主邏輯：攝像頭實時捕捉與文檔處理

這部分是 “實時掃描” 的核心，通過循環讀取攝像頭畫面，逐幀完成文檔檢測與處理。

# 1. 初始化攝像頭（0表示默認攝像頭，外接攝像頭可改為1）
cap = cv2.VideoCapture(0)
# 2. 檢查攝像頭是否正常打開
if not cap.isOpened():
    print("Cannot open camera")
    exit()  # 攝像頭無法打開時退出程序
# 3. 循環讀取攝像頭畫面（實時處理）
while True:
    flag = 0  # 標記是否檢測到文檔（0=未檢測，1=已檢測）
    ret, image = cap.read()  # 讀取一幀圖像：ret=是否讀取成功，image=圖像數據
    orig = image.copy()  # 保存原始圖像，避免后續處理修改原始數據
    # 若讀取失?。ū热鐢z像頭斷開），退出循環
    if not ret:
        print("不能讀取攝像頭")
        break
    # --------------- 步驟1：顯示原始圖像 ---------------
    cv_show("Original", image)
    # --------------- 步驟2：圖像預處理（降噪+邊緣檢測） ---------------
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 彩色圖轉灰度圖（簡化計算）
    gray = cv2.GaussianBlur(gray, (5, 5), 0)  # 高斯模糊（5x5核），減少噪聲干擾
    edged = cv2.Canny(gray, 15, 45)  # 邊緣檢測：閾值15（低閾值）、45（高閾值）
    cv_show("Edge Detection", edged)  # 顯示邊緣檢測結果
    # --------------- 步驟3：提取輪廓并篩選文檔輪廓 ---------------
    # 查找所有外部輪廓（RETR_EXTERNAL=只找最外層輪廓，CHAIN_APPROX_SIMPLE=簡化輪廓點）
    cnts = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
    # 按輪廓面積降序排序，取前3個（大概率包含文檔輪廓）
    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:3]
    # 繪制所有篩選后的輪廓（方便觀察）
    image_contours = cv2.drawContours(image.copy(), cnts, -1, (0, 255, 0), 2)
    cv_show("Contours", image_contours)
    # 遍歷輪廓，判斷是否為文檔（四邊形+面積足夠大）
    for c in cnts:
        peri = cv2.arcLength(c, True)  # 計算輪廓的周長（True=閉合輪廓）
        # 多邊形逼近：將輪廓簡化為近似多邊形（0.05*peri=逼近精度，值越小越接近原輪廓）
        approx = cv2.approxPolyDP(c, 0.05 * peri, True)
        area = cv2.contourArea(approx)  # 計算逼近后多邊形的面積
        # 篩選條件：面積>20000（排除小物體）且是四邊形（文檔通常是矩形/四邊形）
        if area > 20000 and len(approx) == 4:
            screenCnt = approx  # 確定這是文檔的輪廓
            flag = 1  # 標記已檢測到文檔
            print(f"輪廓周長：{peri:.2f}，文檔面積：{area:.2f}")
            print('檢測到文檔')
            # 繪制文檔輪廓（綠色，線寬2）
            image_with_doc = cv2.drawContours(orig.copy(), [screenCnt], 0, (0, 255, 0), 2)
            cv_show("Document Detection", image_with_doc)
            # 透視變換：矯正文檔
            warped_result = four_point_transform(orig, screenCnt.reshape(4, 2))
            cv_show("Warped", warped_result)
            # 二值化處理：轉為黑白掃描件（THRESH_OTSU=自動計算閾值，適合文檔）
            warped_gray = cv2.cvtColor(warped_result, cv2.COLOR_BGR2GRAY)
            ref_result = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
            cv_show("Binarized", ref_result)
            break  # 找到文檔后跳出循環，避免重復處理
    # 按下 'q' 鍵退出程序（waitKey(1)=等待1ms，檢測鍵盤輸入）
    if cv2.waitKey(1) == ord('q'):
        break
# 4. 釋放資源（關閉攝像頭+銷毀所有窗口）
cap.release()
cv2.destroyAllWindows()

三、實踐操作：環境搭建與參數調整

看完代碼解析，我們可以動手跑起來了。這里有幾個關鍵注意事項，幫你避免踩坑：

1. 搭建運行環境

• 安裝 Python（3.7 + 版本，推薦 3.9）；
• 安裝依賴庫：打開命令行，執行pip install numpy opencv-python（opencv-python 是 OpenCV 的 Python 包）。

2. 調整關鍵參數（適配不同場景）

代碼中的部分參數需要根據實際情況調整，才能讓文檔檢測更準確：

• 邊緣檢測閾值：cv2.Canny(gray, 15, 45)中，15 和 45 是低 / 高閾值。若環境光線暗，可降低低閾值（如 10）；若噪聲多，可提高高閾值（如 60）；
• 文檔面積閾值：area > 20000中，20000 是面積閾值。若攝像頭離文檔近，可調大（如 30000）；離得遠，可調?。ㄈ?15000）；
• 輪廓逼近精度：cv2.approxPolyDP(c, 0.05 * peri, True)中，0.05 是精度系數。若文檔輪廓復雜（比如有折角），可調大到 0.06；若輪廓簡單，可調小到 0.04。

3. 運行步驟

1. 將代碼保存為real_time_scanner.py；
2. 打開命令行，進入代碼所在文件夾；
3. 執行python real_time_scanner.py，此時會彈出 5 個窗口：
   • Original：攝像頭原始畫面；
   • Edge Detection：邊緣檢測結果；
   • Contours：篩選后的輪廓；
   • Document Detection：標記出文檔的畫面；
   • Warped：透視矯正后的文檔；
   • Binarized：最終的黑白掃描件；
4. 將文檔放在攝像頭前，調整角度，即可看到實時掃描效果；
5. 按下鍵盤q鍵，退出程序。

四、功能擴展：讓掃描工具更實用

基礎版實時掃描已實現核心功能，我們還可以添加以下擴展，提升實用性：

1. 掃描件保存：在ref_result = cv2.threshold(...)后添加代碼，按下s鍵保存二值化圖像：

   if cv2.waitKey(1) == ord('s') and ref_result is not None:
       cv2.imwrite("scanned_doc.jpg", ref_result)
       print("掃描件已保存為scanned_doc.jpg")

2. 自動調整亮度：在二值化前添加直方圖均衡化，提升暗環境下的掃描效果：

   warped_gray = cv2.equalizeHist(warped_gray)  # 直方圖均衡化

3. 多攝像頭支持：將cap = cv2.VideoCapture(0)改為cap = cv2.VideoCapture(1)，適配外接攝像頭。

五、總結

本文從原理到代碼，詳細拆解了基于 Python+OpenCV 的實時文檔掃描工具。核心是通過 “圖像預處理→輪廓檢測→透視矯正→二值化” 四步，將攝像頭捕捉的文檔轉為清晰的電子掃描件。

關鍵技術點回顧：

• 用order_points排序文檔四角，為透視變換打基礎；
• 用four_point_transform實現傾斜文檔矯正，是掃描效果的核心；
• 通過輪廓面積和邊數篩選文檔，確保檢測準確性。

如果你在實踐中遇到 “文檔檢測不到”“掃描件模糊” 等問題，可嘗試調整邊緣檢測閾值或面積閾值，也歡迎在評論區交流討論！

要不要我幫你整理一份實時文檔掃描工具的參數調優指南？里面會包含不同光線、不同文檔尺寸下的最優參數配置，幫你快速適配各種使用場景。