如何区分扫描图像中的手写内容与打孔标记，优化空白检测？

核心思路 #

通过特征形态分析替代单一的像素占比或OCR，精准区分手写的连续线条和打孔的离散小斑点，避免误判。

具体实现步骤 #

1. 预处理：灰度化+自适应二值化 #

先统一图片格式，用自适应二值化适配手写内容的对比度不均问题，比全局二值化更鲁棒：

import cv2

img = cv2.imread("target_image.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 自适应二值化，突出手写内容同时弱化打孔斑点
binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)

2. 形态学过滤：开运算+轮廓面积筛选 #

放弃单纯的cv2.dilate()，改用开运算先腐蚀去除小斑点，再膨胀恢复手写线条，接着通过轮廓面积区分有效内容与打孔噪声：

# 定义适配手写线条的矩形结构元素，过滤圆形打孔斑点
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
# 开运算：先腐蚀消去打孔斑点，再膨胀还原手写线条
opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel, iterations=1)

# 提取轮廓并过滤面积过小的噪声
contours, _ = cv2.findContours(opened, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 面积阈值根据图片分辨率调整，打孔斑点面积通常<50像素，手写线条单笔画>50
valid_contours = [cnt for cnt in contours if cv2.contourArea(cnt) > 50]

3. 双重验证：轮廓特征+局部OCR #

对筛选出的有效轮廓区域，结合轻量OCR进一步确认是否为手写内容：

import pytesseract

if len(valid_contours) > 0:
    # 提取所有有效轮廓的外接区域，只识别关键区域减少OCR误差
    x, y, w, h = cv2.boundingRect(cv2.vconcat(valid_contours))
    roi = gray[y:y+h, x:x+w]
    # 用psm 6模式针对单一文本块识别，适配手写内容
    text = pytesseract.image_to_string(roi, config='--psm 6')
    # 两种判定条件：有可识别文字 或 轮廓总面积达标
    if len(text.strip()) > 0 or sum(cv2.contourArea(cnt) for cnt in valid_contours) > 200:
        print("保留页面：存在手写内容")
    else:
        print("删除页面：仅打孔噪声")
else:
    print("删除页面：无有效内容")

4. 参数调优建议 #

• 轮廓面积阈值：根据你的图片分辨率调整，比如高分辨率图可将阈值设为100
• 结构元素：细手写用(2,2)矩形，粗手写用(3,3)矩形
• OCR参数：手写分散时改用--psm 11模式

效果说明 #

• 打孔图：开运算过滤所有小斑点，无有效轮廓，判定为空白页删除
• 手写图：开运算保留连续线条，轮廓面积达标，结合OCR验证后判定为有效页保留

内容的提问来源于stack exchange，提问作者anonymousaccount32784