OpenCV Scala护照MRZ检测与Python结果不一致求助

1. 修正imutils.grab_contours替代逻辑 #

Python的imutils.grab_contours是兼容不同OpenCV版本的轮廓返回格式（旧版本返回(_, contours, hierarchy)，新版本返回(contours, hierarchy)）。Scala里要严格对应这个逻辑，避免取错轮廓集合：

import org.opencv.core.MatOfPoint

def grabContours(result: Any): java.util.List[MatOfPoint] = result match {
    case (_, contours: java.util.List[MatOfPoint]) => contours
    case (_, contours: java.util.List[MatOfPoint], _) => contours
    case contours: java.util.List[MatOfPoint] => contours
    case _ => throw new IllegalArgumentException("Unsupported contours result format")
}

调用时直接传入Imgproc.findContours的返回值即可。

2. 对齐轮廓排序逻辑 #

PyImageSearch教程中通常按轮廓面积降序排列，取前若干候选。Scala里要保证排序规则和Python完全一致：

import java.util.Collections
import java.util.Comparator
import org.opencv.imgproc.Imgproc

// contours为grabContours返回的轮廓列表
val sortedContours = new java.util.ArrayList(contours)
Collections.sort(sortedContours, new Comparator[MatOfPoint] {
    override def compare(c1: MatOfPoint, c2: MatOfPoint): Int = {
        val area1 = Imgproc.contourArea(c1)
        val area2 = Imgproc.contourArea(c2)
        // 降序排列，用Double比较避免精度问题
        java.lang.Double.compare(area2, area1)
    }
})

3. 严格对齐MRZ区域筛选条件 #

MRZ核心特征：宽高比通常在6-8之间（长条状）、位于护照图像底部（一般占图像高度20%-30%区域）。Scala代码筛选条件要和Python完全一致：

val imageHeight = src.rows()
for (i <- 0 until sortedContours.size()) {
    val contour = sortedContours.get(i)
    val rect = Imgproc.boundingRect(contour)
    val aspectRatio = rect.width.toDouble / rect.height.toDouble
    // 匹配MRZ宽高比范围
    if (aspectRatio >= 6 && aspectRatio <= 8) {
        // 检查是否位于图像下半部分
        if (rect.y >= imageHeight * 0.7) {
            // 标记MRZ区域
            Imgproc.rectangle(src, rect.tl(), rect.br(), new org.opencv.core.Scalar(0, 255, 0), 2)
            // 后续提取MRZ文本逻辑
        }
    }
}

4. 逐步骤对比中间结果 #

若仍有问题，对比Python和Scala的每一步输出：

• 检查Canny边缘检测后的图像是否一致（阈值参数完全相同）
• 统计轮廓提取后的数量是否一致
• 打印前5个轮廓的面积、bounding rect坐标，确认排序顺序和Python匹配
• 确认图像色彩空间一致（OpenCV默认BGR，不要误转RGB）

内容的提问来源于stack exchange，提问作者sarah w