如何使用Python与OpenCV识别PDF中带四角黑块的分隔页面

• 核心逻辑错误：cv2.TM_SQDIFF_NORMED 是平方差匹配，数值越小匹配度越高，你代码中用max_val >= 阈值的判断逻辑完全相反，这是全文档无匹配的主要原因
• 匹配范围不合理：全页面搜索模板容易引入无关区域干扰，你需要的特征固定出现在页面四个角，只需限定四个角落区域匹配即可
• 缺少预处理：没有对PDF渲染的灰度图做二值化，不同页面的灰度差异、背景杂讯会严重影响匹配准确率
• 单匹配点校验不足：你只做了单次全图匹配，没有校验四个角是否同时存在方块，很容易出现误判

修改后代码如下：

import cv2
import numpy as np
import fitz

# 配置参数
filename = 'test.pdf'
template = cv2.imread('template.png', 0)
w, h = template.shape[::-1]
# 二值化模板，消除灰度差异影响
_, template_bin = cv2.threshold(template, 127, 255, cv2.THRESH_BINARY)
# 匹配阈值（SQDIFF_NORMED下数值越小匹配度越高，建议0.1~0.3之间调整）
MATCH_THRESHOLD = 0.2
# 角落搜索范围，取页面边角的n像素正方形区域，根据你的方块大小调整
SEARCH_SIZE = max(w, h) + 10

pdf_doc = fitz.open(filename)
separator_pages = []

for index, page in enumerate(pdf_doc.pages()):
    # 渲染PDF页面，可调整dpi提升渲染清晰度
    pix = page.get_pixmap(alpha=0, dpi=150)
    im = np.frombuffer(pix.samples, dtype=np.uint8).reshape(pix.h, pix.w, pix.n)
    img_bgr = np.ascontiguousarray(im[..., [2, 1, 0]], dtype=np.uint8)
    img_gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY)
    # 页面二值化，突出黑色方块特征
    _, img_bin = cv2.threshold(img_gray, 200, 255, cv2.THRESH_BINARY)
    page_h, page_w = img_bin.shape

    # 提取四个角落的搜索区域
    roi_list = [
        img_bin[0:SEARCH_SIZE, 0:SEARCH_SIZE],  # 左上角
        img_bin[0:SEARCH_SIZE, page_w-SEARCH_SIZE:page_w],  # 右上角
        img_bin[page_h-SEARCH_SIZE:page_h, 0:SEARCH_SIZE],  # 左下角
        img_bin[page_h-SEARCH_SIZE:page_h, page_w-SEARCH_SIZE:page_w]  # 右下角
    ]

    match_count = 0
    for roi in roi_list:
        res = cv2.matchTemplate(roi, template_bin, cv2.TM_SQDIFF_NORMED)
        min_val, _, _, _ = cv2.minMaxLoc(res)
        if min_val < MATCH_THRESHOLD:
            match_count +=1

    # 四个角都匹配到则判定为分隔页
    if match_count == 4:
        separator_pages.append(index)
        print(f"分隔页索引：{index}")

print(f"所有分隔页索引：{separator_pages}")

• 若出现漏匹配，可适当调大MATCH_THRESHOLD，或提高get_pixmap的dpi参数
• 若出现误匹配，可适当调小MATCH_THRESHOLD，或调大SEARCH_SIZE保证搜索范围覆盖边角方块
• 二值化阈值cv2.threshold的第二个参数可根据实际页面背景亮度调整，背景越亮数值越高

内容的提问来源于stack exchange，提问作者Andrea Di Stefano