图片文档校正：提升扫描质量与OCR准确性的关键技术
为什么需要图片文档校正？
在数字化时代，文档扫描与拍照已成为信息录入的主要方式。然而，由于拍摄角度、设备形变、纸张不平整等因素，原始图像常存在透视失真、倾斜、桶形畸变等问题，严重影响文字可读性和OCR识别精度。图片文档校正作为图像预处理的核心步骤，能够有效消除这些缺陷，为后续的文本提取与分析奠定坚实基础。
常见几何畸变类型
- 透视失真：拍摄时相机平面与文档不平行，导致近大远小、文字倾斜。
- 旋转倾斜：文档放置角度偏差，造成文字行不水平。
- 桶形/枕形畸变：镜头光学特性引起的边缘弯曲，常见于广角镜头。
- 波浪变形：书本或纸张折叠导致的曲面形变。
校正技术详解
1. 倾斜校正
利用霍夫变换或文本行检测（如形态学膨胀+轮廓分析），计算文字倾角，通过仿射变换旋转图像至水平。对于纯文档，可基于页边缘直线检测。
2. 透视校正
首先提取文档的四个角点（通过边缘检测或矩形检测），然后应用透视变换将其映射为矩形。常用算法有：基于Canny和霍夫、Deep Document Detection。
3. 畸变校正
针对镜头畸变，可依据相机标定参数（如径向畸变系数k1,k2）进行反变换。对于曲面文档，采用网格变形或圆柱投影模型。
4. 二值化与去噪
校正后通常需要局部自适应二值化（如Sauvola、Otsu）和去噪（中值滤波、形态学操作），提升OCR对比度。
实战工具与库
OpenCV：提供getPerspectiveTransform、warpPerspective等函数，适合传统方法。
Leptonica：专为文档图像设计，包含findTextBlobs、deskew等功能。
深度学习方案：如DocTr、GeometricNet，直接端到端校正。
案例流程（OpenCV实现）
- 读取图像，转为灰度，高斯模糊。
- 边缘检测（Canny）或自适应阈值。
- 轮廓查找，按面积筛选最大四边形（文档区域）。
- 获取四个顶点，排序为（左上、右上、右下、左下）。
- 计算透视变换矩阵，校正图像。
- 旋转校正+裁剪+二值化。
import cv2
import numpy as np
# 伪代码示意
img = cv2.imread('document.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 50, 150)
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 获取最大四边形...
# 透视变换...评估指标
校正效果可通过OCR准确率（如单词错误率）、图像质量指标（PSNR、SSIM）和用户视觉感受进行综合评估。实际应用中，需根据文档类型选择合适算法。
未来趋势
随着移动端文档扫描需求的增长，轻量级深度学习模型（如MobileNet + STN）将实现实时高精度校正。同时，结合3D重建技术，可处理更复杂的形变。