快速照片扫描方法记录

Aug 1, 2021

2 minutes read

假期找了点时间把家里的老照片都扫成了电子版，下面记录一下简单快捷的照片扫描方法

法1

因为不太清楚photoshop有自动裁切的功能，所以我最开始花了一个小时多写了一个小程序帮我自动裁切扫描出来的影像的白边。

原图：

裁切后：

额外预留的一些白边，总体效果还行。

程序用到了 python + opencv + numpy，基本可以满足我个人需求。

总体思路：

先将图片从 RGB 空间转为 HSV 空间
通过调整阈值找到图片所在的大致位置（兴趣区域），并二值化
开运算（先腐蚀再膨胀）以去除毛刺和噪点
找出二值化后图形的边缘
找出包裹最大面积的边缘
找出可包住上步面积的最小的方框
计算方框倾斜角度
根据方框倾斜角度矫正图片倾斜
计算旋转后的方框范围并切割图片

下面是我的程序：

import cv2
import numpy
import os

def cv_imread(file_path):
    cv_img = cv2.imdecode(numpy.fromfile(file_path, dtype=numpy.uint8), -1)
    return cv_img

def cv_imwrite(path ,img):
    suffix = os.path.splitext(path)[-1]
    cv2.imencode(suffix, img)[1].tofile(path)

Path = r"C:/Users/24385/Pictures/ControlCenter4/Scan/"

# 参数 根据自己的情况更改
kernelSize = 150
hsv_low = numpy.array([0, 0, 0])
hsv_high = numpy.array([255, 255, 245])

for fileName in os.listdir(Path):
    img = cv_imread(Path + fileName)
    padding = int(img.shape[1]/25)
    img = cv2.copyMakeBorder(img, padding, padding, padding, padding,
        cv2.BORDER_CONSTANT, value=[255, 255, 255])
        
    dst = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # BGR转HSV
    dst = cv2.inRange(dst, hsv_low, hsv_high) # 通过HSV的高低阈值，提取图像部分区域

    # 开运算 先腐蚀再膨胀 去除毛刺
    kernel = numpy.ones((kernelSize, kernelSize), dtype=numpy.uint8)
    dst = cv2.morphologyEx(dst, cv2.MORPH_OPEN, kernel, 3)

    img_debug = img.copy()
    line_width = int(img.shape[1]/100)

    # 找边缘
    contours, hierarchy = cv2.findContours(dst, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 面积最大的区域
    c = max(contours, key = cv2.contourArea)

    
    # 用蓝色画出边缘
    cv2.drawContours(img_debug, contours, -1, (255, 0, 0), line_width)

    # 找出可包住面积最大区域的方框
    x, y, w, h = cv2.boundingRect(c)
    # 用绿色绘制方框
    cv2.rectangle(img_debug,(x, y), (x + w, y + h), (0, 255, 0), line_width)

    # 找出可包住面积最大区域的最小方框 红色绘制
    rect = cv2.minAreaRect(c)
    box = cv2.boxPoints(rect)
    box = numpy.int0(box)
    cv2.drawContours(img_debug, [box], 0, (0, 0, 255), line_width)

    # 计算图片倾斜角度
    angle = rect[2]
    if angle < -45:
        angle = 90 + angle

    # 设定红框中心为旋转轴心 防止照片位置偏太多导致转出图片
    w = box[0][0] + box[1][0] + box[2][0] + box[3][0]
    h = box[0][1] + box[1][1] + box[2][1] + box[3][1]
    center = (w // 4, h // 4)

    # 计算旋转矩阵
    M = cv2.getRotationMatrix2D(center, angle, 1.0)


    # 旋转图片
    (h, w) = img.shape[:2]
    rotated = cv2.warpAffine(img_debug, M, (w, h),
        flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_CONSTANT)
    img_final = cv2.warpAffine(img, M, (w, h),
        flags=cv2.INTER_CUBIC, borderMode=cv2.BORDER_CONSTANT)

    # 旋转红框坐标
    pts = numpy.int0(cv2.transform(numpy.array([box]), M))[0]

    # 计算旋转后红框的范围
    y_min = min(pts[0][0], pts[1][0], pts[2][0], pts[3][0])
    y_max = max(pts[0][0], pts[1][0], pts[2][0], pts[3][0])
    x_min = min(pts[0][1], pts[1][1], pts[2][1], pts[3][1])
    x_max = max(pts[0][1], pts[1][1], pts[2][1], pts[3][1])

    # 裁切图片
    img_crop = rotated[x_min:x_max, y_min:y_max]
    img_final = img_final[x_min-20:x_max+20, y_min-20:y_max+20]
    # cv2.namedWindow('show',0)
    # cv2.imshow('show', img_final)
    # cv2.waitKey(0)
    cv_imwrite(Path+"Cut_"+fileName,img_final)