如何使用PHP和Imagick定位提取PDF中黑边框包围的手写文本区域

步骤1：PDF转高分辨率栅格图 #

先把PDF转成300DPI的PNG，避免分辨率过低导致框线识别错误、杂色过多：

$imagick = new Imagick();
// 提前设置分辨率，再读取PDF，效果远高于读取后再缩放
$imagick->setResolution(300, 300);
$imagick->readImage('target.pdf');
$imagick->setImageFormat('png');

步骤2：图像预处理（解决倾斜+杂色问题） #

这一步比单纯用despeckleImage()的降噪、校正效果好很多：

// 校正倾斜，阈值0.1适配大多数轻微倾斜的扫描件
$imagick->deskewImage(0.1);

// 转灰度色彩空间，简化后续处理逻辑
$imagick->transformImageColorspace(Imagick::COLORSPACE_GRAY);

// 中值滤波去扫描件椒盐噪点，半径3适配大多数杂色场景，噪点多可以调到5
$imagick->medianFilterImage(3);

// 二值化处理，把图像转成纯黑白，过滤浅灰色杂色
$threshold = 0.5 * Imagick::getQuantum();
$imagick->thresholdImage($threshold);

// 可选：如果黑框存在断裂，加一次形态学膨胀，把断裂的边框连起来
// $imagick->morphologyImage(Imagick::MORPHOLOGY_DILATE, 1, Imagick::KERNEL_SQUARE);

步骤3：识别黑框矩形区域 #

用连通组件分析提取所有符合特征的黑框边界：

// 边缘检测，提取所有线条轮廓
$imagick->edgeImage(1);

// 提取连通组件，得到所有独立区域的坐标、宽高、面积信息
$components = $imagick->connectedComponentsImage(Imagick::CONNECTEDCOMPONENTS_WHITE);

$targetAreas = [];
foreach ($components as $item) {
    // 筛选条件根据你的实际手写框大小调整：
    // 面积筛选：过滤过小的噪点、过大的页面外框
    // 宽高比筛选：符合你手写区域的比例范围
    if (
        $item['area'] > 10000 && $item['area'] < 100000
        && $item['width'] / $item['height'] > 0.4
        && $item['width'] / $item['height'] < 3.5
    ) {
        $targetAreas[] = $item;
    }
}

步骤4：裁切提取目标区域 #

根据识别到的框坐标裁切图像，可预留少量边距避免切到手写内容：

foreach ($targetAreas as $key => $area) {
    $padding = 5; // 上下左右各留5像素边距，不需要可以设为0
    $cropX = max(0, $area['x'] - $padding);
    $cropY = max(0, $area['y'] - $padding);
    $cropWidth = min($imagick->getImageWidth() - $cropX, $area['width'] + $padding * 2);
    $cropHeight = min($imagick->getImageHeight() - $cropY, $area['height'] + $padding * 2);

    $tempImg = clone $imagick;
    $tempImg->cropImage($cropWidth, $cropHeight, $cropX, $cropY);
    // 输出裁切后的图像，可直接传给Tesseract处理
    $tempImg->writeImage("./handwritten_{$key}.png");
    $tempImg->destroy();
}

$imagick->destroy();

调优建议 #

• 面积、宽高比、阈值这些参数可以先拿你提到的两类扫描件做测试，调整到适配你所有文档的范围即可
• 如果扫描件整体偏暗/偏亮，对应调小/调大thresholdImage的阈值参数即可

内容的提问来源于stack exchange，提问作者Cody J