基于OpenCV.js编写一个文档扫描Web应用

OpenCV是一个开源的计算机视觉和机器学习软件库。它为我们解决不同的任务提供了各种图像处理方法。

在本文中,我们将使用OpenCV的JavaScript版本编写一个文档扫描Web应用。首先编写了一个JavaScript库,然后与Dynamsoft Document Viewer一起使用,实现一个具有实时检测、自动捕获和文档多边形编辑等功能的文档扫描应用。

演示视频

新建项目

使用Vite创建一个新的TypeScript项目:

bash 复制代码
npm create vite@latest OpenCVDocumentScanner -- --template vanilla-ts

包含OpenCV

在用于开发测试的index.html中,包含OpenCV。

html 复制代码
<script type="text/javascript">
  var Module = {
    // https://emscripten.org/docs/api_reference/module.html#Module.onRuntimeInitialized
    onRuntimeInitialized() {
      document.getElementById('status').innerHTML = 'OpenCV.js is ready.';
    }
  };
</script>
<script async src="https://docs.opencv.org/4.8.0/opencv.js" type="text/javascript"></script>

文档扫描类

接下来,创建一个document-scanner.ts文件。

ts 复制代码
export class DocumentScanner {
  private cv:any;
  constructor() {
    if (!("cv" in window)) {
      throw new Error("OpenCV not found");
    }else{
      this.cv = window["cv"];
    }
  }
}

在构造函数中,添加一个名为cv的属性,以使用cv命名空间来执行相关函数。

检测文档边界

接下来,添加detect方法以返回文档的四个角点。

ts 复制代码
export interface Point {
  x: number;
  y: number;
}

export class DocumentScanner {
  detect(source:HTMLImageElement|HTMLCanvasElement):Point[]{}
}

然后,让我们分步骤实现该方法。

  1. 从img或canvas读取图像为OpenCV用的mat类型。

    js 复制代码
    let cv = this.cv;
    const img = cv.imread(source);
  2. 将图像转换为灰度。

    js 复制代码
    const gray = new cv.Mat();
    cv.cvtColor(img, gray, cv.COLOR_RGBA2GRAY);
  3. 执行高斯模糊以去除噪点。

    js 复制代码
    const blur = new cv.Mat();
    cv.GaussianBlur(gray,blur,new cv.Size(5, 5),0,0,cv.BORDER_DEFAULT);
  4. 执行threshold操作以获得二值化的图像。

    js 复制代码
    const thresh = new cv.Mat();
    cv.threshold(blur,thresh,0,255,cv.THRESH_BINARY + cv.THRESH_OTSU);
  5. 寻找轮廓并将最大的轮廓作为候选文档。

    js 复制代码
    let contours = new cv.MatVector();
    let hierarchy = new cv.Mat();
    cv.findContours(thresh,contours,hierarchy,cv.RETR_CCOMP,
      cv.CHAIN_APPROX_SIMPLE);
    
    let maxArea = 0;
    let maxContourIndex = -1;
    for (let i = 0; i < contours.size(); ++i) {
      let contourArea = cv.contourArea(contours.get(i));
      if (contourArea > maxArea) {
        maxArea = contourArea;
        maxContourIndex = i;
      }
    }
    
    const maxContour = contours.get(maxContourIndex);
  6. 通过计算点到中心点的距离来获得角点。将它们按顺时针方向存储在一个数组中。

    js 复制代码
    const points = this.getCornerPoints(maxContour);

    所需的函数:

    js 复制代码
    distance(p1:Point, p2:Point) {
      return Math.hypot(p1.x - p2.x, p1.y - p2.y);
    }
    
    getCornerPoints(contour:any):Point[] {
      let cv = this.cv;
      let points:Point[] = [];
      let rect = cv.minAreaRect(contour);
      const center = rect.center;
    
      let topLeftPoint;
      let topLeftDistance = 0;
    
      let topRightPoint;
      let topRightDistance = 0;
    
      let bottomLeftPoint;
      let bottomLeftDistance = 0;
    
      let bottomRightPoint;
      let bottomRightDistance = 0;
    
      for (let i = 0; i < contour.data32S.length; i += 2) {
        const point = { x: contour.data32S[i], y: contour.data32S[i + 1] };
        const distance = this.distance(point, center);
        if (point.x < center.x && point.y < center.y) {
          if (distance > topLeftDistance) {
            topLeftPoint = point;
            topLeftDistance = distance;
          }
        } else if (point.x > center.x && point.y < center.y) {
          if (distance > topRightDistance) {
            topRightPoint = point;
            topRightDistance = distance;
          }
        } else if (point.x < center.x && point.y > center.y) {
          if (distance > bottomLeftDistance) {
            bottomLeftPoint = point;
            bottomLeftDistance = distance;
          }
        } else if (point.x > center.x && point.y > center.y) {
          if (distance > bottomRightDistance) {
            bottomRightPoint = point;
            bottomRightDistance = distance;
          }
        }
      }
      points.push(topLeftPoint as Point);
      points.push(topRightPoint as Point);
      points.push(bottomRightPoint as Point);
      points.push(bottomLeftPoint as Point);
      return points;
    }
  7. 释放内存并返回角点。

    js 复制代码
    img.delete();
    gray.delete();
    blur.delete();
    thresh.delete();
    contours.delete();
    hierarchy.delete();
    return points;

更正文档图像

接下来,添加一个crop方法来运行透视变换,以获得一个矫正好的图像。

js 复制代码
crop(source:HTMLImageElement|HTMLCanvasElement,points?:Point[],width?:number,height?:number):HTMLCanvasElement{}

让我们分步骤讨论实现细节。

  1. 如果参数中没有预先提供角点,运行detect以获取文档的角点。

    js 复制代码
    if (!points) {
      points = this.detect(source);
    }
  2. 确定输出图像的宽度和高度。

    如果用户未指定宽度和高度,则使用最长的垂直边提供高度,使用最长的水平边提供宽度。

    js 复制代码
    if (!width) {
      width = Math.max(this.distance(points[0],points[1]),this.distance(points[2],points[3]));
    }
    if (!height) {
      height = Math.max(this.distance(points[0],points[3]),this.distance(points[1],points[2]));
    }
  3. 创建一个转换矩阵。

    js 复制代码
    let srcTri = cv.matFromArray(4, 1, cv.CV_32FC2, [
      points[0].x,
      points[0].y,
      points[1].x,
      points[1].y,
      points[3].x,
      points[3].y,
      points[2].x,
      points[2].y,
    ]);
    
    let dstTri = cv.matFromArray(4, 1, cv.CV_32FC2, [
      0,
      0,
      width,
      0,
      0,
      height,
      width,
      height,
    ]);
    
    let M = cv.getPerspectiveTransform(srcTri, dstTri);
  4. 执行透视转换。

    js 复制代码
    let warpedDst = new cv.Mat();
    let dsize = new cv.Size(width, height);
    cv.warpPerspective(img,warpedDst,M,dsize,cv.INTER_LINEAR,
      cv.BORDER_CONSTANT,
      new cv.Scalar()
    );
  5. 将结果绘制到canvas元素中。

    js 复制代码
    const canvas = document.createElement("canvas");
    cv.imshow(canvas, warpedDst);
  6. 释放内存并返回canvas。

    js 复制代码
    img.delete()
    warpedDst.delete()
    return canvas;

使用文档扫描类

我们现在可以使用这个类来获取裁剪后的文档图像。

js 复制代码
const img = document.getElementById("photo");
const documentScanner = new DocumentScanner();
const points = documentScanner.detect(img);
const canvas = documentScanner.crop(img,points);
document.getElementById("output").src = canvas.toDataURL();

例子:

基于Dynamsoft Document Viewer的文档扫描Web应用

Dynamsoft Document Viewer为文档扫描过程提供了多个组件。我们可以使用它的Capture Viewer实现带有相机控制的实时文档扫描功能,并使用它的Perspective Viewer编辑检测到的文档多边形。

实时扫描

Dynamsoft Document Viewer允许通过定义handler来集成第三方文档检测库。可以在此处找到使用Dynamsoft Document Normalizer的示例。

我们将编写一个handler,以便使用刚编写的OpenCV的文档检测类和Capture Viewer来扫描文档。Capture Viewer可以打开相机,绘制检测到的文档边界,并在检测结果稳定的时候自动拍照。

定义Handler

  1. 使用以下模板创建一个名为dynamsoft-document-viewer-handler.ts的新文件:

    ts 复制代码
    import { DocumentScanner } from ".";
    
    let DDV;
    //allows setting the DDV namespace. It is needed if Dynamsoft Document Viewer (DDV) is installed with NPM.
    export function setDDV(DocumentViewer:any) {
      DDV = DocumentViewer;
    }
    if ((window as any)["Dynamsoft"]) {
      const Dynamsoft = (window as any)["Dynamsoft"];
      DDV = Dynamsoft.DDV;
    }
    // Inherit DocumentDetect class
    export class OpenCVDocumentDetectHandler extends DDV.DocumentDetect {
      private documentScanner:DocumentScanner;
      constructor(documentScanner:DocumentScanner){
        super();
        this.documentScanner = documentScanner;
      }
      // Rewrite the detect method
      async detect(image:any, detectConfig:any) {}
    }
  2. 如果图像的高度大于720像素,缩小图像以提高性能。

    ts 复制代码
    async detect(image:any, detectConfig:any) {
      let width = image.width;
      let height = image.height;
    
      let ratio = 1;
      let data;
      const thresh = 720
      if (height > thresh) {
        ratio = height / thresh;
        height = thresh;
        width = Math.floor(width / ratio);
        data = this.compress(image.data, image.width, image.height, width, height);
      } else {
        data = image.data.slice(0);
      }
    }
    compress(
      imageData:any,
      imageWidth:number,
      imageHeight:number,
      newWidth:number,
      newHeight:number,
    ) {
      let source:any = null;
      try {
        source = new Uint8ClampedArray(imageData);
      } catch (error) {
        source = new Uint8Array(imageData);
      }
    
      const scaleW = newWidth / imageWidth;
      const scaleH = newHeight / imageHeight;
      const targetSize = newWidth * newHeight * 4;
      const targetMemory = new ArrayBuffer(targetSize);
      let distData = null;
    
      try {
        distData = new Uint8ClampedArray(targetMemory, 0, targetSize);
      } catch (error) {
        distData = new Uint8Array(targetMemory, 0, targetSize);
      }
    
      const filter = (distCol:number, distRow:number) => {
        const srcCol = Math.min(imageWidth - 1, distCol / scaleW);
        const srcRow = Math.min(imageHeight - 1, distRow / scaleH);
        const intCol = Math.floor(srcCol);
        const intRow = Math.floor(srcRow);
    
        let distI = (distRow * newWidth) + distCol;
        let srcI = (intRow * imageWidth) + intCol;
    
        distI *= 4;
        srcI *= 4;
    
        for (let j = 0; j <= 3; j += 1) {
          distData[distI + j] = source[srcI + j];
        }
      };
    
      for (let col = 0; col < newWidth; col += 1) {
        for (let row = 0; row < newHeight; row += 1) {
          filter(col, row);
        }
      }
    
      return distData;
    }
  3. 将图像数据绘制到canvas上以供OpenCV使用。

    ts 复制代码
    const canvas = document.createElement('canvas');
    export class OpenCVDocumentDetectHandler extends DDV.DocumentDetect {
      private documentScanner:DocumentScanner;
      constructor(documentScanner:DocumentScanner){
        super();
        this.documentScanner = documentScanner;
      }
      // Rewrite the detect method
      async detect(image:any, detectConfig:any) {
        const quad:any[] = [];
        try {
          //...
          canvas.width = width;
          canvas.height = height;
          const context = canvas.getContext('2d');
          if (context) {
            const imageData = context.createImageData(width, height);
            var pixelData = imageData.data;
            var inputArrayBuffer = data;
            var inputUint8Array = new Uint8Array(inputArrayBuffer);
            pixelData.set(inputUint8Array);
            context.putImageData(imageData, 0, 0);
            const points = this.documentScanner.detect(canvas);
            points.forEach(p => {
              quad.push([p.x * ratio, p.y * ratio]);
            });
          }
        } catch (error) {
          console.log(error);
          quad.push([0, 0]);
          quad.push([0, 0]);
          quad.push([0, 0]);
          quad.push([0, 0]);
        }
      }
    }
  4. 后处理并返回结果。使用processDetectResult处理结果,它能检查检测到的多边形的形状是否接近文档的形状。

    ts 复制代码
    const result:any = {
      location: quad,
      width: image.width,
      height: image.height,
      config: detectConfig,
    };
    const ret = this.processDetectResult(result);
    return Promise.resolve(ret);

使用Capture Viewer捕获文档图像

  1. index.html中,包括Dynamsoft Document Viewer的库,并为Capture Viewer添加一个容器。

    html 复制代码
    <script src="https://cdn.jsdelivr.net/npm/dynamsoft-document-viewer@1.0.0/dist/ddv.js"></script>
    <link rel="stylesheet" href="https://cdn.jsdelivr.net/npm/dynamsoft-document-viewer@1.0.0/dist/ddv.css">
    <style>
    .fullscreen {
      display: none;
      position: fixed;
      top: 0;
      left: 0;
      width: 100%;
      height: 100%;
    }
    </style>
    <div id="captureViewer" class="fullscreen"></div>
  2. 使用以下代码进行设置。可以在这里申请自己的证书。

    js 复制代码
    let docManager;
    let doc;
    let captureViewer;
    async function initDDV(){
      await Dynamsoft.DDV.setConfig({
          license: "DLS2eyJoYW5kc2hha2VDb2RlIjoiMjAwMDAxLTE2NDk4Mjk3OTI2MzUiLCJvcmdhbml6YXRpb25JRCI6IjIwMDAwMSIsInNlc3Npb25QYXNzd29yZCI6IndTcGR6Vm05WDJrcEQ5YUoifQ==", // Public trial license which is valid for 24 hours
          engineResourcePath: "https://cdn.jsdelivr.net/npm/dynamsoft-document-viewer@1.0.0/dist/engine", // Lead to a folder containing the distributed WASM files
      });
      docManager = Dynamsoft.DDV.documentManager;
      doc = docManager.createDocument({
        name: "doc"
      });
      captureViewer = new Dynamsoft.DDV.CaptureViewer({
        container: document.getElementById("captureViewer"),
        viewerConfig: {
          enableAutoCapture: true,
          enableAutoDetect: true
        }
      });
      captureViewer.openDocument(doc.uid);
    }

    这里还创建了一个document对象,Capture Viewer等组件会显示和操作这个对象里的图片。

  3. 将文档检测的Handler设置为我们刚刚创建的版本。

    js 复制代码
    let documentScanner = new DocumentScanner();
    const detectHandler = new OpenCVDocumentDetectHandler(documentScanner);
    Dynamsoft.DDV.setProcessingHandler("documentBoundariesDetect", detectHandler);
  4. 创建一个函数来获取裁剪后的文档图像。

    js 复制代码
    function getCroppedImage(points){
      let canvas = documentScanner.crop(document.getElementById("photoRaw"),points);
      document.getElementById("output").src = canvas.toDataURL();
    }
  5. 为Capture Viewer的captured事件添加侦听器。拍得照片时,将其加载到img元素中,并获得裁剪后的图像。

    js 复制代码
    captureViewer.on("captured", async (e) => {
      // Stop video stream and hide capture viewer's container
      captureViewer.stop();
      document.getElementById("captureViewer").style.display = "none";
      const pageData =  await captureViewer.currentDocument.getPageData(e.pageUid);
      // Original image
      let url = URL.createObjectURL(pageData.raw.data);
      await loadImage(document.getElementById("photoRaw"), url);
      getCroppedImage();
      captureViewer.currentDocument.deleteAllPages();
    });
    
    async function loadImage(img,src) {
      return new Promise((resolve, reject) => {
        img.onload = function(){
          resolve();
        }
        img.src = src;
      })
    }
  6. Live Scan按钮被点击时启动Capture Viewer。

    js 复制代码
    document.getElementById("liveScanBtn").addEventListener("click",function(){
      if (captureViewer) {
        document.getElementById("captureViewer").style.display = "block";
        captureViewer.play({fill:true}); //pass fill to make set the object-fit style of the video to cover
      }
    })

我们可以看到,我们定义的Handler可以和Capture Viewer一起工作了。

多边形编辑

有时我们可能需要对检测到的文档的多边形进行微调。我们可以使用Perspective Viewer来完成此操作。

  1. 为Perspective Viewer添加一个容器。

    html 复制代码
    <div id="perspectiveViewer" class="fullscreen"></div>
  2. 使用以下代码进行设置。

    js 复制代码
    let perspectiveViewer = new Dynamsoft.DDV.PerspectiveViewer({
      container: document.getElementById("perspectiveViewer"),
      uiConfig: isMobile()? mobilePerspectiveUiConfig : pcPerspectiveUiConfig
    });
    perspectiveViewer.openDocument(doc.uid);

    它的UI(如工具栏上的按钮)可以使用UIConfig进行自定义。在这里,我们只保留perspectiveAll按钮作为确认按钮。

    js 复制代码
    function isMobile(){
      return "ontouchstart" in document.documentElement;
    }
    
    const mobilePerspectiveUiConfig = {
      type: Dynamsoft.DDV.Elements.Layout,
      flexDirection: "column",
      children: [
        {
          type: Dynamsoft.DDV.Elements.Layout,
          className: "ddv-perspective-viewer-header-mobile",
          children: [
            {
              // Bind event for "PerspectiveAll" button
              // The event will be registered later.
              type: Dynamsoft.DDV.Elements.PerspectiveAll,
              events:{
                  click: "done"
              }
            },
          ],
        },
        Dynamsoft.DDV.Elements.MainView
      ],
    };
    
    //Pc PerspectiveViewer
    const pcPerspectiveUiConfig = {
      type: Dynamsoft.DDV.Elements.Layout,
      flexDirection: "column",
      children: [
        {
          type: Dynamsoft.DDV.Elements.Layout,
          className: "ddv-perspective-viewer-header-desktop",
          children: [
            {   
              // Bind event for "PerspectiveAll" button
              // The event will be registered later.
              type: Dynamsoft.DDV.Elements.PerspectiveAll,
              className: "ddv-perspective-viewer-perspective-desktop",
              events:{
                click: "done"
              }
            },
          ],
        },
        Dynamsoft.DDV.Elements.MainView,
      ],
    };
  3. 为Perspective Viewer的done事件添加侦听器。编辑完成后,使用调整过后的多边形的角点来获得裁剪的图像。

    js 复制代码
    perspectiveViewer.on("done", async () => {
      const quad = perspectiveViewer.getQuadSelection();
      const points = [];
      quad.forEach(p => {
        points.push({x:p[0],y:p[1]})
      });
      getCroppedImage(points);
      document.getElementById("perspectiveViewer").style.display = "none";
      perspectiveViewer.currentDocument.deleteAllPages();
    });
  4. 修改Capture Viewer的captured事件的侦听器,以使用Perspective Viewer编辑多边形。

    diff 复制代码
    +let points = documentScanner.detect(document.getElementById("photoRaw"));
    +await loadImageToDoc(document.getElementById("photoRaw").src);
    +showPerspectiveViewer(points);
    -getCroppedImage();
     captureViewer.currentDocument.deleteAllPages();

    添加的函数:

    js 复制代码
    //load an image to the document and it will be displayed in the viewers
    async function loadImageToDoc(dataURL) {
      const response = await fetch(dataURL);
      const blob = await response.blob();
      await doc.loadSource(blob);
    }
    
    function showPerspectiveViewer(points){
      document.getElementById("perspectiveViewer").style.display = "block";
      const quad = [];
      points.forEach(point => {
        quad.push([point.x,point.y]);
      });
      perspectiveViewer.setQuadSelection(quad);
    }

屏幕截图:

打包为库

为了便于使用,我们可以将其作为库发布到NPM上。

  1. 安装devDependencies

    bash 复制代码
    npm install -D @types/node vite-plugin-dts
  2. 创建一个新的vite.config.ts文件:

    ts 复制代码
    // vite.config.ts
    import { resolve } from 'path';
    import { defineConfig } from 'vite';
    import dts from 'vite-plugin-dts';
    // https://vitejs.dev/guide/build.html#library-mode
    export default defineConfig({
      build: {
        lib: {
          entry: resolve(__dirname, 'src/index.ts'),
          name: 'opencv-document-scanner',
          fileName: 'opencv-document-scanner',
        },
      },
      plugins: [dts()],
    });
  3. 将我们的包的入口点添加到package.json

    json 复制代码
    {
      "main": "./dist/opencv-document-scanner.umd.cjs",
      "module": "./dist/opencv-document-scanner.js",
      "types": "./dist/index.d.ts",
      "exports": {
        "import": {
          "types": "./dist/index.d.ts",
          "default": "./dist/opencv-document-scanner.js"
        },
        "require": {
          "types": "./dist/index.d.ts",
          "default": "./dist/opencv-document-scanner.umd.cjs"
        }
      },
      "files": [
        "dist/*.css",
        "dist/*.js",
        "dist/*.cjs",
        "dist/*.d.ts"
      ]
    }

运行npm run build。然后,我们可以在dist文件夹中看到打包好的文件。

局限

该算法比较基础。在深色背景下扫描白色文档的效果很好。但背景复杂的话效果就不行了。对于更复杂的情况,我们可以使用Dynamsoft Document Normalizer来获得更好的结果。

使用OpenCV进行扫描测试(demo链接):

使用Dynamsoft Document Normalizer进行扫描测试(demo链接):

源代码

欢迎下载源代码并尝试使用:

github.com/tony-xlh/op...

相关推荐
Json_1817901448015 分钟前
电商拍立淘按图搜索API接口系列,文档说明参考
前端·数据库
风尚云网38 分钟前
风尚云网前端学习:一个简易前端新手友好的HTML5页面布局与样式设计
前端·css·学习·html·html5·风尚云网
木子020441 分钟前
前端VUE项目启动方式
前端·javascript·vue.js
GISer_Jing43 分钟前
React核心功能详解(一)
前端·react.js·前端框架
捂月1 小时前
Spring Boot 深度解析:快速构建高效、现代化的 Web 应用程序
前端·spring boot·后端
深度混淆1 小时前
实用功能,觊觎(Edge)浏览器的内置截(长)图功能
前端·edge
Smartdaili China1 小时前
如何在 Microsoft Edge 中设置代理: 快速而简单的方法
前端·爬虫·安全·microsoft·edge·社交·动态住宅代理
秦老师Q1 小时前
「Chromeg谷歌浏览器/Edge浏览器」篡改猴Tempermongkey插件的安装与使用
前端·chrome·edge
滴水可藏海1 小时前
Chrome离线安装包下载
前端·chrome
endingCode1 小时前
45.坑王驾到第九期:Mac安装typescript后tsc命令无效的问题
javascript·macos·typescript