<think>根据用户的问题和提供的引用内容，用户希望了解使用OpenCV进行文档扫描和OCR识别的具体代码实现。从引用[3]中可以看到一个完整的代码示例，但用户要求的是文档扫描（即矫正倾斜文档）和OCR识别两部分。因此，我将结合文档扫描和OCR识别两个步骤来提供代码。 步骤说明： 1. 文档扫描：通常包括边缘检测、轮廓查找、透视变换等步骤，用于将倾斜的文档矫正为正面视角。 2. OCR识别：使用OCR引擎（如Tesseract）识别矫正后图像中的文本。 由于用户提供的引用[3]中只包含了OCR识别的部分，而文档扫描部分在引用[3]中提到了读取图像和调整大小，但没有完整的文档扫描过程。因此，我将补充文档扫描的步骤，并整合成一个完整的流程。 注意：这里我们假设输入图像包含一个文档，且文档边缘清晰可见。 完整代码步骤： 1. 读取图像并调整大小（以便加快处理速度）。 2. 转换为灰度图。 3. 进行高斯模糊或边缘检测（如Canny边缘检测）。 4. 查找轮廓，并找到最大的轮廓（假设为文档轮廓）。 5. 使用轮廓近似得到文档的四个顶点。 6. 对四个顶点进行排序（左上、右上、右下、左下）。 7. 计算变换后的目标点，并进行透视变换。 8. 对矫正后的图像进行OCR识别。 我们将使用OpenCV和pytesseract进行OCR识别。 代码实现如下（请确保已安装opencv-python和pytesseract）： </think> 以下是一个完整的OpenCV文档扫描与OCR识别实现方案，结合了图像预处理、透视矫正和文本识别技术： ```python import cv2 import numpy as np import pytesseract from PIL import Image def scan_and_ocr(image_path): # 1. 图像读取与预处理 image = cv2.imread(image_path) ratio = image.shape[0] / 500.0 # 保持宽高比 orig = image.copy() image = cv2.resize(image, (int(image.shape[1]/ratio), 500)) # 2. 灰度化与边缘检测 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray, (5, 5), 0) edged = cv2.Canny(gray, 75, 200) # 3. 轮廓检测与文档定位 contours, _ = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5] screenCnt = None for c in contours: peri = cv2.arcLength(c, True) approx = cv2.approxPolyDP(c, 0.02 * peri, True) if len(approx) == 4: # 找到四边形轮廓 screenCnt = approx break # 4. 透视变换（文档矫正） if screenCnt is not None: pts = screenCnt.reshape(4, 2) * ratio # 恢复到原始尺寸 rect = order_points(pts) (tl, tr, br, bl) = rect # 计算新图像宽度 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)) # 计算新图像高度 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)) # 定义目标点并计算变换矩阵 dst = np.array([ [0, 0], [maxWidth - 1, 0], [maxWidth - 1, maxHeight - 1], [0, maxHeight - 1]], dtype="float32") M = cv2.getPerspectiveTransform(rect, dst) warped = cv2.warpPerspective(orig, M, (maxWidth, maxHeight)) else: warped = orig # 未找到文档轮廓时使用原图 # 5. OCR预处理 warped_gray = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) warped_thresh = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1] # 6. OCR识别 text = pytesseract.image_to_string(warped_thresh, lang='eng+chi_sim') return text, warped_thresh def order_points(pts): # 初始化坐标点列表 rect = np.zeros((4, 2), dtype="float32") # 左上角点有最小的x+y和，右下角点有最大的x+y和 s = pts.sum(axis=1) rect[0] = pts[np.argmin(s)] rect[2] = pts[np.argmax(s)] # 右上角点有最小的x-y差，左下角点有最大的x-y差 diff = np.diff(pts, axis=1) rect[1] = pts[np.argmin(diff)] rect[3] = pts[np.argmax(diff)] return rect # 使用示例 if __name__ == "__main__": input_image = "document.jpg" recognized_text, scanned_doc = scan_and_ocr(input_image) print("识别结果:\n", recognized_text) cv2.imshow("Scanned Document", scanned_doc) cv2.waitKey(0) cv2.destroyAllWindows() ``` ### 关键技术说明： 1. **文档定位与矫正** - 使用Canny边缘检测找到文档边界 - 通过透视变换矫正倾斜文档（单应性变换） - 四边形顶点排序算法确保正确映射 2. **OCR预处理** - 自适应阈值处理（Otsu算法） - 支持中英文混合识别（`lang='eng+chi_sim'`） - 高斯模糊减少噪声干扰 3. **Tesseract配置** - 需安装[Tesseract OCR引擎](https://github.com/tesseract-ocr/tesseract) - 安装中文数据包：`chi_sim.traineddata` - Python绑定：`pytesseract`库 ### 应用场景[^1] 1. 纸质文档数字化存档 2. 发票/证件自动识别 3. 表格数据提取 4. 手写笔记转录