使用OpenCV优化扫描书籍页面边缘伪影清理效果的技术咨询

问题现状 #

• 已完成OpenCV阈值处理与初步清理，但边缘伪影仍残留
• 尝试添加黑边框+漫水填充后仍存在以下问题：
  • 图像1：左上角、右侧有斑点伪影
  • 图像2：左侧存在环形伪影
  • 图像3：左侧有伪影
  • 图像4：右上角“N”和左下角乐谱被误删

当前实现代码 #

import os
import cv2
import numpy as np

current_directory = os.path.abspath(os.path.dirname(__file__))
filenames = ['1.webp', '2.webp', '3.webp', '4.webp']

for filename in filenames:
  input_path = os.path.join(current_directory, filename)
  output_path = os.path.join(current_directory, filename + '-clean.webp')
  
  img = cv2.imread(input_path, cv2.IMREAD_GRAYSCALE)
  
  # Add a black border
  img = cv2.copyMakeBorder(img, 50, 50, 50, 50, cv2.BORDER_CONSTANT)
  
  # Flood fill with white, from the top left pixel
  cv2.floodFill(img, None, (0, 0), 255)
  
  # Trim the image by removing white pixels on all sides
  y_nonzero, x_nonzero = np.nonzero(img == 0)
  img = img[np.min(y_nonzero):np.max(y_nonzero), np.min(x_nonzero):np.max(x_nonzero)]
  
  cv2.imwrite(output_path, img)

优化方案 #

1. 漫水填充参数优化，避免误删有效内容 #

当前漫水填充仅从左上角单点出发，且未设置颜色容差，导致与边框灰度接近的有效内容被误填为白色。优化方向：

• 添加颜色容差：通过cv2.floodFill的loDiff和upDiff参数，限定仅填充接近黑色的伪影区域，避免误改有效内容
• 多种子点覆盖：同时从图像四个角落启动漫水填充，确保边缘伪影被全面处理

示例修改：

# 创建掩码避免修改原图像结构
mask = np.zeros((img.shape[0]+2, img.shape[1]+2), np.uint8)
# 设置容差，仅填充灰度值与黑色接近的区域
fill_params = dict(mask=mask, newVal=255, loDiff=(15,15,15), upDiff=(15,15,15))
cv2.floodFill(img, **fill_params, seedPoint=(0, 0))
cv2.floodFill(img, **fill_params, seedPoint=(img.shape[1]-1, 0))
cv2.floodFill(img, **fill_params, seedPoint=(0, img.shape[0]-1))
cv2.floodFill(img, **fill_params, seedPoint=(img.shape[1]-1, img.shape[0]-1))

2. 预处理增强伪影与有效内容的区分 #

针对残留的斑点、环形伪影，在漫水填充前添加形态学操作与自适应阈值：

• 自适应阈值：替换固定阈值为cv2.adaptiveThreshold，让局部区域阈值更贴合内容，减少伪影生成
• 开运算：先腐蚀再膨胀，精准去除小尺寸伪影斑点，同时保留有效内容的完整性

示例添加预处理步骤：

# 自适应阈值增强文本与背景对比度
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
img = cv2.bitwise_not(img)  # 转回白底黑字格式

# 开运算去除小斑点伪影
kernel = np.ones((3,3), np.uint8)
img = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel, iterations=1)

3. 裁剪逻辑优化，基于轮廓而非像素坐标 #

当前依赖黑色像素坐标裁剪，易受未清理伪影或误填内容干扰。改为基于文档轮廓裁剪：

• 用cv2.Canny边缘检测+轮廓提取，定位文档主体的最大轮廓
• 过滤小轮廓，仅保留文档区域的边界，避免伪影影响裁剪范围

示例裁剪逻辑修改：

# 边缘检测提取文档轮廓
edges = cv2.Canny(img, 50, 150)
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 筛选最大轮廓（文档主体）
max_contour = max(contours, key=cv2.contourArea)
x, y, w, h = cv2.boundingRect(max_contour)
# 裁剪文档区域
img = img[y:y+h, x:x+w]

4. 个性化参数适配不同图像 #

针对四张图像的伪影差异，可添加个性化处理逻辑：

• 读取图像后分析灰度分布，自动调整阈值、容差等参数
• 对图像4这类边缘存在有效内容的情况，缩小边框宽度或跳过对应区域的漫水填充

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