在数字化办公场景中，文档扫描是高频需求 —— 无论是纸质合同、手写笔记还是纸质报表，都需要快速转化为规整的数字格式。传统扫描仪操作繁琐，而手机 / 电脑摄像头扫描又容易因拍摄角度导致文档变形。本文将手把手教你用 Python+OpenCV 实现实时摄像头文档扫描与自动矫正，无需专业硬件，只需几行代码就能完成从画面捕捉、边缘检测到透视变换的全流程，最终输出规整的文档图像。

一、核心技术原理

1.图像预处理：将摄像头捕获的彩色帧转为灰度图，通过滤波去噪、边缘检测提取文档轮廓；

2.轮廓识别：从边缘图像中筛选出面积最大的矩形轮廓（即文档区域）；

3.透视变换：根据文档的四个顶点坐标，将倾斜 / 变形的文档矫正为正射视角；

4.二值化优化：将矫正后的文档转为黑白对比图，提升可读性。

二、设计流程

本项目实现的核心能力可以概括为以下 5 步：

1. 调用电脑摄像头，实时捕获画面；

2. 对每一帧图像做灰度化、高斯模糊、Canny 边缘检测，突出文档边界；

3. 在边缘图中寻找轮廓，自动筛选出最大的四边形（即文档区域）；

4. 对识别到的四边形区域执行四点透视变换，把倾斜、扭曲的文档拉正；

5. 对矫正后的文档执行二值化增强，让文字更清晰、背景更干净，接近扫描件效果。

整个过程全自动执行，无需手动框选、无需手动调节参数，将文档对准摄像头即可自动完成处理。

三、完整代码

本项目只依赖两个最基础的科学计算与计算机视觉库：

• numpy：用于数值计算、坐标处理、矩阵运算等；

• cv2（OpenCV）：实现图像读取、预处理、边缘检测、轮廓查找、透视变换、窗口显示等。

import numpy as np
import cv2

def cv_show(name, img):
    """
    图像显示函数：添加ESC键退出逻辑，避免窗口阻塞
    参数：
        name: 窗口名称
        img: 要显示的图像数组
    返回：
        True-按下ESC键退出，False-未按ESC键
    """
    cv2.imshow(name, img)
    # 等待1ms检测按键，0xFF处理跨平台兼容性
    key = cv2.waitKey(1) & 0xFF
    if key == 27:  # ESC键的ASCII码为27
        return True
    return False

def order_points(pts):
    """
    对检测到的四个顶点坐标进行排序（左上、右上、右下、左下）
    参数：
        pts: 包含4个坐标点的数组，形状为(4,2)
    返回：
        rect: 排序后的坐标数组
    """
    rect = np.zeros((4, 2), dtype="float32")

    # 左上点：x+y值最小；右下点：x+y值最大
    s = pts.sum(axis=1)
    rect[0] = pts[np.argmin(s)]
    rect[2] = pts[np.argmax(s)]

    # 右上点：x-y值最小；左下点：x-y值最大
    diff = np.diff(pts, axis=1)
    rect[1] = pts[np.argmin(diff)]
    rect[3] = pts[np.argmax(diff)]

    return rect

def four_point_transform(image, pts):
    """
    透视变换：将倾斜文档矫正为正射视角
    参数：
        image: 原始图像
        pts: 文档的四个顶点坐标
    返回：
        warped: 矫正后的图像
    """
    # 对顶点坐标排序
    rect = order_points(pts)
    (tl, tr, br, bl) = rect

    # 计算矫正后图像的宽度（取左右两边的最大值）
    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))

    # 计算矫正后图像的高度（取上下两边的最大值）
    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))

    # 定义目标图像的四个顶点（正射视角）
    dst = np.array([
        [0, 0],
        [maxWidth - 1, 0],
        [maxWidth - 1, maxHeight - 1],
        [0, maxHeight - 1]], dtype="float32")

    # 计算透视变换矩阵并应用
    M = cv2.getPerspectiveTransform(rect, dst)
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

    return warped

# 主程序逻辑
def main():
    # 打开摄像头（0为默认摄像头，多摄像头可尝试1、2）
    cap = cv2.VideoCapture(0)
    if not cap.isOpened():
        print("错误：无法打开摄像头，请检查摄像头是否被占用")
        return

    print("提示：按ESC键可随时退出程序，将文档置于摄像头前，程序会自动检测并处理")

    while True:
        detect_flag = 0  # 文档检测标识：0-未检测，1-已检测
        ret, frame = cap.read()  # 读取摄像头帧
        orig_frame = frame.copy()  # 保存原始帧（用于后续透视变换）

        if not ret:
            print("错误：无法读取摄像头画面")
            break

        # 显示原始摄像头画面
        if cv_show("原始画面", frame):
            break

        # 1. 图像预处理
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)  # 转为灰度图
        gray = cv2.GaussianBlur(gray, (5, 5), 0)  # 高斯滤波去噪
        edged = cv2.Canny(gray, 15, 45)  # Canny边缘检测

        # 显示边缘检测结果
        if cv_show("边缘检测", edged):
            break

        # 2. 轮廓检测与筛选
        # 查找外部轮廓（RETR_EXTERNAL），压缩轮廓点（CHAIN_APPROX_SIMPLE）
        contours = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
        # 按轮廓面积降序排序，取前3个（减少计算量）
        contours = sorted(contours, key=cv2.contourArea, reverse=True)[:3]
        # 绘制所有候选轮廓（绿色）
        frame_contours = cv2.drawContours(frame, contours, -1, (0, 255, 0), 2)

        # 显示轮廓检测结果
        if cv_show("轮廓检测", frame_contours):
            break

        # 3. 筛选文档轮廓（4个顶点+面积足够大）
        for cnt in contours:
            peri = cv2.arcLength(cnt, closed=True)  # 计算轮廓周长
            # 轮廓近似：减少点数（0.05*peri为近似精度）
            approx = cv2.approxPolyDP(cnt, 0.05 * peri, closed=True)
            area = cv2.contourArea(approx)  # 计算近似轮廓面积

            # 筛选条件：4个顶点（矩形）+ 面积>40000（排除小轮廓，可根据实际调整）
            if len(approx) == 4 and area > 40000:
                doc_contour = approx
                detect_flag = 1
                print(f"检测到文档：周长={peri:.2f}，面积={area:.2f}")
                break

        # 4. 检测到文档后执行矫正与优化
        if detect_flag == 1:
            # 绘制文档轮廓（加粗显示）
            frame_doc = cv2.drawContours(frame, [doc_contour], 0, (0, 0, 255), 3)
            if cv_show("文档轮廓", frame_doc):
                break

            # 透视变换矫正文档
            warped_doc = four_point_transform(orig_frame, doc_contour.reshape(4, 2))
            if cv_show("矫正后文档", warped_doc):
                break

            # 二值化处理（提升对比度）
            warped_gray = cv2.cvtColor(warped_doc, cv2.COLOR_BGR2GRAY)
            # OTSU自动阈值二值化
            binary_doc = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
            if cv_show("最终文档（二值化）", binary_doc):
                break

            print("文档处理完成！")
            break  # 处理完成后退出循环

    # 释放资源（关键：避免摄像头占用）
    cap.release()
    cv2.destroyAllWindows()
    print("程序正常结束")

if __name__ == "__main__":
    main()

四、核心函数解析

key == 27：检测是否按下 ESC 键（ASCII 码 27），按下则返回 True，触发程序退出

key = cv2.waitKey(1) & 0xFF：

0xFF 是为了保证在不同系统（Windows/Linux/macOS）上都能正确获取按键值。

顶点排序函数 order_points

文档的四个顶点坐标是无序的，必须按 左上、右上、右下、左下 排序才能正确执行透视变换：

x+y 最小值：左上点（画面中最靠左上的点）；

x+y 最大值：右下点（画面中最靠右下的点）；

x-y 最小值：右上点（x 大 y 小）；

x-y 最大值：左下点（x 小 y 大）。

透视变换函数 four_point_transform

这是文档矫正的核心：

1. 计算矫正后图像的宽度 / 高度：取文档左右 / 上下两边的最大长度，避免矫正后图像缺失；

2. 定义目标坐标：将文档映射到「(0,0) → (maxWidth-1,0) → (maxWidth-1,maxHeight-1) → (0,maxHeight-1)」的矩形区域；

3. cv2.getPerspectiveTransform：计算透视变换矩阵 M；

4. cv2.warpPerspective：应用变换矩阵，得到矫正后的文档。

图像预处理流程：彩色帧→灰度图→高斯滤波→Canny 边缘检测，逐步提取文档

轮廓筛选：

1.cv2.findContours：查找外部轮廓（排除内部小轮廓）；

2.按面积排序取前 3 个：减少非文档轮廓的干扰；

3.cv2.approxPolyDP：轮廓近似，将不规则轮廓转为多边形；

4.筛选条件：4 个顶点（矩形）+ 面积 > 40000（排除小物体，可根据摄像头分辨率调整）；

五、实际效果展示