如何用Python从图片/PDF中提取位置不固定的矩形印章？

一、优化轮廓筛选逻辑 #

• 先抓印章的核心特征过滤无效轮廓：印章基本都是圆形/椭圆形，用cv2.approxPolyDP计算轮廓的近似多边形，或者直接算圆度（公式：4π*面积/周长²），把圆度高于0.7的轮廓留着；另外印章大多是红/蓝色，先转HSV颜色空间提取对应颜色的掩码，再结合轮廓检测，能直接筛掉一大片无关轮廓。
• 加个尺寸过滤：根据你实际处理的文档，定个印章的面积范围，太小的噪点、太大的页面边框直接排除。

二、结合文本与布局缩小搜索范围 #

• 印章一般都在落款、日期附近，用Tesseract这类OCR工具提取文档里的文本，找到“盖章”“日期”“单位名称”这些关键词的位置，就在这些区域附近找轮廓，能省不少算力。
• 处理PDF的话，用pdfplumber或者PyPDF2先提取页面布局，区分文本块和图像块，优先在图像块里找印章，不用全页扫描。

三、用机器学习补漏 #

• 如果轮廓筛选后还是有误检，不妨训练个简单的分类模型：收集一批标注好的印章和非印章图，用TensorFlow或者PyTorch搭个轻量CNN，输入裁剪后的轮廓区域，直接判断是不是印章。
• 嫌训练麻烦的话，拿YOLO这类预训练目标检测模型微调，标注一批数据就能直接检测印章位置，批量处理的时候效率很高。

四、PDF的特殊处理技巧 #

• 要是遇到矢量PDF里的印章（不是图像），用pdfminer提取矢量路径，看路径是不是圆形/椭圆形，颜色是不是红/蓝，再提取对应区域。
• 扫描版PDF直接用pdf2image转成图片，按图片的流程处理就行。

五、迭代优化测试 #

• 攒一批不同场景的测试样本（不同位置、不同样式的印章），每次调整参数后测准确率，比如调颜色阈值、圆度阈值这些。
• 遇到误检的情况，分析是啥干扰（比如圆形logo、表格边框），针对性加规则过滤。

内容的提问来源于stack exchange，提问作者Bhakti