当前位置：首页 > news >正文

# 如何使用OpenCV进行发票的透视变换和二值化处理

news 来源：原创 2025/8/13 21:58:31

如何使用OpenCV进行发票的透视变换和二值化处理

引言

在自动化处理发票和其他文档时，图像预处理是一个关键步骤，它可以帮助提高OCR（光学字符识别）的准确性。透视变换用于校正图像中的透视失真，而二值化处理则可以简化图像，使其更适合OCR处理。本文将介绍如何使用OpenCV库进行这些操作。

环境准备

确保您的环境中安装了OpenCV库。如果尚未安装，可以通过以下命令安装：

pip install opencv-python

代码实现

以下是完整的代码实现，包括图像读取、透视变换、二值化处理和显示结果。

import numpy as np
import cv2def cv_show(name, img):"""简单的图像显示函数，用于显示图像窗口，参数name为窗口名称，img为要显示的图像"""cv2.imshow(name, img)cv2.waitKey(0)def order_points(pts):"""对四个点进行排序，以便于进行透视变换参数pts为四个检测到的点的坐标返回值rect为排序后的点的坐标"""rect = np.zeros((4, 2), dtype="float32")s = pts.sum(axis=1)  # 对pts矩阵的每一行进行求和操作（x+y）rect[0] = pts[np.argmin(s)]  # 选择坐标和最小的点为左上角rect[2] = pts[np.argmax(s)]  # 选择坐标和最大的点为右下角diff = np.diff(pts, axis=1)  # 对pts矩阵的每一行进行求差操作（y-x）rect[1] = pts[np.argmin(diff)]  # 选择差异最小的点为右上角rect[3] = pts[np.argmax(diff)]  # 选择差异最大的点为左下角return rectdef four_point_transform(image, pts):"""根据四个点进行透视变换参数image为原始图像，pts为四个检测到的点的坐标返回值warped为变换后的图像"""rect = order_points(pts)(tl, tr, br, bl) = rectwidthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))maxWidth = max(int(widthA), int(widthB))heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))maxHeight = max(int(heightA), int(heightB))dst = np.array([[0, 0], [maxWidth - 1, 0],[maxWidth - 1, maxHeight - 1], [0, maxHeight - 1]], dtype="float32")M = cv2.getPerspectiveTransform(rect, dst)warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))return warpeddef resize(image, width=None, height=None, inter=cv2.INTER_AREA):"""调整图像大小参数image为原始图像，width和height为调整后的宽度和高度，inter为插值方法返回值resized为调整大小后的图像"""dim = None(h, w) = image.shape[:2]if width is None and height is None:return imageif width is None:r = height / float(h)dim = (int(w * r), height)else:r = width / float(w)dim = (width, int(h * r))resized = cv2.resize(image, dim, interpolation=inter)return resized# 读取输入图像
image = cv2.imread('fapiao.jpg')
cv_show('image', image)# 图片过大，进行缩小处理
ratio = image.shape[0] / 500.0  # 计算缩小比率
orig = image.copy()
image = resize(orig, height=500)  # 缩小图像
cv_show('1', image)print('STEP 1: 轮廓检测')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转换为灰度图
edged = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]  # 二值化
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[-2]
image_contours = cv2.drawContours(image.copy(), cnts, -1, (0, 0, 255), 1)
cv_show("image_contours", image_contours)print("STEP 2:获取最大轮廓")
screenCnt = sorted(cnts, key=cv2.contourArea, reverse=True)[0]  # 获取面积最大的轮廓
peri = cv2.arcLength(screenCnt, True)  # 计算轮廓周长
screenCnt = cv2.approxPolyDP(screenCnt, 0.05 * peri, True)  # 轮廓近似
print(screenCnt.shape)
image_contours = cv2.drawContours(image.copy(), [screenCnt], -1, (0, 255, 0), 2)
cv_show("image_contours", image_contours)
cv2.waitKey(0)# 透视变换
warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)
cv2.imwrite('invoice_new.jpg', warped)
cv2.namedWindow('xx', cv2.WINDOW_NORMAL)
cv2.imshow("xx", warped)
cv2.waitKey(0)# 二值处理
warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)
ref = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
cv_show('ref', ref)kernel = np.ones((2, 2), np.uint8)  # 设置kernel大小
ref_new = cv2.morphologyEx(ref, cv2.MORPH_CLOSE, kernel)  # 闭运算
ref_new = resize(ref_new.copy(), width=500)
cv_show('ref_new', ref_new)
rotated_image = cv2.rotate(ref_new, cv2.ROTATE_90_COUNTERCLOCKWISE)
cv2.imshow("result", rotated_image)
cv2.waitKey(0)

运行结果

在这里插入图片描述

步骤解析

图像读取和缩小处理：首先读取图像，并根据需要进行缩小处理。
轮廓检测：将图像转换为灰度图，然后进行二值化处理，最后检测轮廓。
获取最大轮廓：从检测到的轮廓中找到面积最大的轮廓，并进行多边形近似。
透视变换：对原始图像进行透视变换，以消除透视失真。
二值化处理：对变换后的图像进行二值化处理，并进行形态学操作以去除噪声。
旋转处理：根据需要对图像进行旋转处理。

结论

通过这篇文章，您学会了如何使用OpenCV进行发票的透视变换和二值化处理。这些步骤对于自动化处理发票和其他文档非常重要，可以显著提高OCR的准确性。希望这篇文章对您有所帮助！如果您有任何问题或建议，请在评论区留言。

# 如何使用OpenCV进行发票的透视变换和二值化处理

如何使用OpenCV进行发票的透视变换和二值化处理引言在自动化处理发票和其他文档时，图像预处理是一个关键步骤，它可以帮助提高OCR（光学字符识别）的准确性。透视变换用于校正图像中的透视失真，而二值化处理则可以简化…...

编程日记 2025/8/13 21:58:31

NetSuite 如何得到所有Item最近一次采购订单的货品单价？

我们知道，如果取Item主数据的数据，得到的是很多相关transaction的Item 货品平均价值；如果只想得到最近一次采购订单上的采购单价，主数据上应该无法直接得到，那该如何处理？我们可以利用Saved Search来拉取相…...

编程日记 2025/6/29 2:19:33

[5-2] 对射式红外传感器计次旋转编码器计次江协科技学习笔记（38个知识点）

1、 2、 3、这些缩写通常出现在嵌入式系统或微控制器的上下文中，它们各自有不同的功能： • RCC：Reset and Clock Control（复位和时钟控制）。它负责管理微控制器的时钟系统，包括时钟源的选择、时钟频率的设置…...

编程日记 2025/8/13 21:52:37

阿里云 golang 一面

消息队列分布式文件系统 Linux的虚拟网络设备 TCP SSL/TLS 场景：对于打车场景，如何设计一个系统来处理并发打车请求？ 设计一个处理并发打车请求的系统需要考虑多个方面，包括系统架构、数据存储、负载均衡和实时性。以下是一个基…...

编程日记 2025/6/29 2:18:56

【C++ Qt】多元素控件（ListWidget、TableWidget、TreeWidget）

每日激励：“不设限和自我肯定的心态：I can do all things。 — Stephen Curry” 绪论： 本章将通过代码示例详细介绍了Qt中QListWidget、QTableWidget和QTreeWidget三种多元素控件的使用方法与核心功能，涵盖列表的增删操作、表格…...

编程日记 2025/8/13 21:58:09

排序算法-冒泡排序

冒泡排序一种简单的排序算法。它重复地走访过要排序的数列，一次比较两个元素，如果它们的顺序错误就把它们交换过来。走访数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。这个算法的名字由来是因为元素会经由交换慢…...

编程日记 2025/8/13 21:58:06

C++ 工具链与开发实践：构建安全、高效与创新的开发生态

引言在 C 的技术演进中，工具链的革新与开发实践的迭代始终是推动语言生命力的核心动力。从内存安全的攻防体系到嵌入式设备的能效优化，从跨平台开发的降本增效到开发者社区的生态构建，C 正通过工具链与方法论的双重升级，应对复杂…...

编程日记 2025/8/13 21:52:15

uni-pages-hot-modules插件：uni-app的pages.json的模块化及模块热重载

uni-pages-hot-modules uni-app的pages.json的模块化及模块热重载 uni-app的pages.json的模块化及模块热重载解决uni-app的pages.json无法模块化的问题，并且解决模块热重载和缓存的问题安装 npm i uni-pages-hot-modules -Suni-app vite版本(vue3)示例项目 uni-app webpa…...

编程日记 2025/8/13 21:56:45

【WEB3】区块链、隐私计算、AI和Web3.0——数据民主化（1）

区块链、隐私计算、AI，是未来Web3.0至关重要的三项技术。 1.数据民主化问题数据在整个生命周期（生产、传输、处理、存储）内的隐私安全，则是Web3.0在初始阶段首要解决的问题。数据民主化旨在打破数据垄断，让个体能…...

编程日记 2025/6/29 4:37:47

从0到1：用Lask/Django框架搭建个人博客系统（4/10）

摘要：本文深入解析了使用Lask和Django构建个人博客系统的全过程。从技术选型的考量，突出Lask的轻量灵活与Django的强大功能，到开发环境搭建、项目初始化，再到核心功能实现如文章管理、用户认证与权限控制，详细阐述了开…...

编程日记 2025/8/13 21:57:02

探索 C++23 的 views::cartesian_product

文章目录一、背景与动机二、基本概念与语法三、使用示例四、特点与优势五、性能与优化六、与 P2374R4 的关系七、编译器支持八、总结 C23 为我们带来了一系列令人兴奋的新特性，其中 views::cartesian_product 是一个非常实用且强大的功能，它允许我们轻…...

编程日记 2025/6/29 4:58:03

1.准备文件input.txt 令狐冲郭靖2.使用python转成微软拼音需要的格式 from xpinyin import Pinyin # pip install xpinyin -i https://pypi.tuna.tsinghua.edu.cn/simplep Pinyin()with open(input.txt, r, encodingutf-8) as infile:with open(output.txt, w, encodingutf…...

编程日记 2025/8/13 21:53:57

SQLite3常用语句汇总

SQLite 命令行工具（sqlite3 shell） 中的内置命令命令作用说明.open filename.db打开或创建一个 SQLite 数据库文件.tables列出当前数据库中的所有表.schema [table]查看某个表或所有表的建表语句（DDL）.headers ON/OFF开启或关闭…...

编程日记 2025/8/13 21:58:27

数据库设计三范式

第一范式 (1NF) 每个表中的每一列都是原子值每个表中的每一行都是唯一的下面这个表格就是不符合第一范式的例子：因为学时数能够拆分为讲课和实验。所以他并不是每一列都是原子值。不仅要考虑列是否是原子值，还需要考虑每列的值是否可拆分。第二范…...

编程日记 2025/6/29 4:37:56

GoWeb开发

学习目标： 本篇要达到的目的，能为后续复习提供极大便利。 （当我写下本篇博客时，已复习3遍） 一、网络通信概述 （为本篇基础核心内容） 1、什么是网络通信？ 网络通信是指不同设备&…...

编程日记 2025/8/13 21:55:14

（7）Nokov 室内光学跟踪系统

文章目录前言 7.1 所需硬件 7.2 Nokov 系统设置 7.3 配置旋翼机 7.4 启动 Nokov 模块 7.5 MAVProxy 准备 7.6 测试飞行 7.7 参数说明前言本文将介绍如何通过 Nokov 运动捕捉系统向旋翼机传输姿势信息。联系方式：NOKOV | Optical Motion Capture System。…...

编程日记 2025/8/13 21:58:31

Linux Shell编程和循环语句

一.for循环语句 1.for语句的结构2.for循环语句实例①根据姓名列表来批量创建多个用户②根据IP地址列表检查主机状态二.使用while循环语句1.while语句结构2.while循环语句应用①批量添加规律编号用户②猜价格游戏三 until循环语句1.until语句结构① 计算1-50的和 1.for语句的结…...

编程日记 2025/6/29 4:13:06

Java后端程序员学习前端之JavaScript

1.什么是JavaScript 1.1.概述 JavaScript是一门世界上最流行的脚本语言javaScript 一个合格的后端人员，必须要精通JavaScript 1.2.历史 JavaScript的起源故事-CSDN博客 2.快速入门 2.1.引入JavaScript 1.内部标签 <script>//.......</script> --…...

编程日记 2025/8/13 21:56:45

redis多路复用IO模型以及 6.0引入的多线程模型

redis为什么选择单线程采用多线程的话，会出现上下文切换的开销采用多线程，会带来共享资源的竞争控制，比如多个线程同时访问同一个资源（键值）时，需要额外的手段来保障共享资源的正确性，会带来额…...

编程日记 2025/6/29 8:43:05

101alpha_第6个

第6个alpha (-1 * correlation(open, volume, 10)) 这个就是看这两个相似性。10天之内的如果结果为正且数值较大，投资者可能会认为在开盘价上涨时成交量萎缩，市场上涨动力不足，可能是卖出信号；反之，开盘价下跌时成交…...

编程日记 2025/6/29 2:20:27

crawl4ai能替代scrapy等传统爬虫框架吗？

传统爬虫框架就像拿着渔网在数字海洋中捕鱼——虽然能捞到东西，但面对现代网站的复杂性时常常"漏网之鱼"满天飞。以Scrapy为代表的工具存在三大致命短板：首先是JavaScript盲区，对动态渲染内容束手无策，就像试图用收音机…...

编程日记 2025/8/13 21:56:46

Sui Basecamp 2025 全栈出击

“我们不仅仅是在构建一个 L1，我们是在重建互联网。” — — Mysten Labs 首席产品官 Adeniyi Abiodun 本届 Sui Basecamp 汇聚了 Web3 领域的建设者、合作伙伴和思想领袖，为期两天，不仅展示了 Sui 的未来，也展现了去中心化互联网…...

编程日记 2025/8/13 21:52:17

计算机体系架构-----设计模式：状态模式（从程序员加班问题切入）

文章目录 1.梦开始的地方2.代码1.0版本3.代码2.0版本4.代码3.0版本5.梦结束的地方最近在学习这个专业课里面的体系结构这门课程，作为专业里面的一门基础课，这个课程里面主要讲解的就是软件的设计思想，一些历程之类的，包括了面向对…...

编程日记 2025/8/13 21:50:29

【C/C++】RPC与线程间通信：高效设计的关键选择

文章目录 RPC与线程间通信：高效设计的关键选择1 RPC 的核心用途2 线程间通信的常规方法3 RPC 用于线程间通信的潜在意义4 主要缺点与限制4.1 缺点列表4.2 展开 5 替代方案6 结论 RPC与线程间通信：高效设计的关键选择在C或分布式系统设计中，…...

编程日记 2025/8/13 21:55:23

数据结构之串

一、串的定义与基本概念 1. 串的定义定义：串是由零个或多个字符组成的有限序列，记作 s"a1a2…an"，例如 "data structure"、"123" 等。空串：无任何字符，长度为 0，…...

编程日记 2025/8/13 21:50:24

基于腾讯云MCP广场的AI自动化实践：爬取小红书热门话题

基于腾讯云MCP广场的AI自动化实践：爬取小红书热门话题我正在参加Trae「超级体验官」创意实践征文，本文所使用的 Trae 免费下载链接：www.trae.com.cn/?utm_source… 🔎 背景在人工智能快速发展的时代，AI技术不仅重…...

编程日记 2025/8/13 21:53:58

AI领域的MCP（Model-Centric Paradigm）

1. 什么是MCP（Model-Centric Paradigm）？ MCP（Model-Centric Paradigm）是人工智能开发中的一种核心理念，强调以模型的优化与改进作为主要驱动因素来提升AI系统的表现。在MCP模式下，开发者专注于…...

编程日记 2025/8/13 21:55:24

裸辞8年前端的面试笔记——JavaScript篇（一）

裸辞后的第二个月开始准备找工作，今天是第三天目前还没有面试，现在的行情是一言难尽，都在疯狂的压价。下边是今天复习的个人笔记一、事件循环 JavaScript 的事件循环（Event Loop）是其实现异步编程的关键机制。从…...

编程日记 2025/8/13 21:50:24

力扣刷题Day 41：除自身以外数组的乘积（238）

1.题目描述 2.思路方法1：搞一个数组存放各元素之前所有数的乘积（头为1），再搞一个数组存放各元素之后所有数的乘积（尾为1）。方法2：上面的方法是很好理解的，在此基础上应该如何优化…...

编程日记 2025/8/13 21:50:27

金仓数据库征文-金仓KES数据同步优化实践：逻辑解码与增量同步

目录一.同步场景与方案选型二.同步环境配置 1.前置条件验证 2.逻辑解码配置三.同步实施与问题排查 1.结构映射规则 2.增量数据捕获 3.数据一致性校验四.性能调优实践 1.同步线程优化 2.批量提交优化 3.资源监控指标五.典型场景解决方案 1.双向同步冲突处理 …...

编程日记 2025/8/13 21:55:14

【前端基础】9、CSS的动态伪类（hover、visited、hover、active、focus）【注：本文只有几个粗略说明】

一、什么是伪类选择器的一种，用于选择处于特定状态的元素。最常见的现象：鼠标放在某些文字上面，文字就会加上颜色。鼠标没放上去之前： 鼠标放上去之后： 二、动态伪类图片来源（链接文章也有其他伪…...

编程日记 2025/8/13 21:50:28

企业开发平台大变革：AI 代理 + 平台工程重构数字化转型路径

在企业数字化转型的浪潮中，开发平台正经历着前所未有的技术革命。从 AST（抽象语法树）到 AI 驱动的智能开发，从微服务架构到信创适配，这场变革不仅重塑了软件开发的底层逻辑，更催生了全新的生产力范式。本文…...

编程日记 2025/8/13 21:52:36

ZooKeeper工作机制与应用场景

目录 1.1、概述1.2、选举机制1.2.1、选举触发条件1.2.2、选举规则1.2.3、选举过程详解 1.3、数据同步机制1.3.1、正常同步1.3.2、宕机同步 1.4、客户端常用命令1.5、应用场景1.5.1、配置管理1.5.2、命令服务1.5.3、分布式锁服务1.5.4、集群管理1.5.5、分布式ID1.5.6、分布式协调…...

编程日记 2025/8/13 21:52:16

VR制作软件用途（VR制作软件概述）

虚拟现实（VR）制作软件作为现代科技的瑰宝，正以独特的魅力重塑各行各业。通过构建三维虚拟环境，这些软件提供了前所未有的沉浸式体验，还推动了技术革新与产业升级。本文将探讨VR制作软件的主要用途，并重点…...

编程日记 2025/8/13 21:56:47

【PostgreSQL数据分析实战：从数据清洗到可视化全流程】电商数据分析案例-9.1 业务场景与数据准备

👉 点击关注不迷路 👉 点击关注不迷路 👉 点击关注不迷路文章大纲 9.1 业务场景与数据准备9.1.1 业务场景描述核心业务目标业务挑战 9.1.2 数据来源与获取数据源构成数据获取方案 9.1.3 数据结构与字段说明核心数据表设计1. 订单事实表&…...

编程日记 2025/8/13 18:17:12

PyTorch 入门与核心概念详解：从基础到实战问题解决

PyTorch 入门与核心概念详解：从基础到实战问题解决前言用PyTorch 编写 Transformer 模型时遇到了多个错误，包括维度不匹配、NaN 损失、注意力权重未记录以及 OpenMP 库初始化等问题。本文基于以上，对 PyTorch 的基本解释，并对…...

编程日记 2025/8/13 21:52:40

【办公类-99-05】20250508 D刊物JPG合并PDF便于打印

背景需求委员让我打印2024年2025年4月的D刊杂志，A4彩打，单面。有很多JPG，一个个JPG图片打开，实在太麻烦了。我需要把多个jpg图片合并成成为一个PDF，按顺序排列打印。 deepseek写Python代码代码展示 D刊jpg图片合…...

编程日记 2025/8/13 21:52:13

【C++】手搓一个STL风格的string容器

C string类的解析式高效实现 GitHub地址有梦想的电信狗 1. 引言：字符串处理的复杂性在C标准库中，string类作为最常用的容器之一，其内部实现复杂度远超表面认知。本文将通过一个简易仿照STL的string类的完整实现，揭示其设…...

编程日记 2025/8/13 21:52:38

无实体对话式社交机器人拟人化印象形成机制：基于多模态交互与文化适配的拓展研究

《如何感知AI对话者：无实体对话式社交机器人拟人化对其印象形成效果影响机制的实验研究》解析一、研究背景与核心问题（一）技术背景与研究动机随着生成式AI技术发展，以ChatGPT、文心一言为代表的无实体对话式社交机器人兴起，用户对其高度拟人化特征有显著需求，如扮演…...

编程日记 2025/8/13 21:53:57

存储器：DDR和独立显卡的GDDR有什么区别？

本文来简要对比DDR（Double Data Rate SDRAM）和GDDR（Graphics Double Data Rate SDRAM）的区别，重点说明它们在设计、性能和应用上的差异： 1. 设计目标与架构 DDR：通用型DRAM，设计为…...

编程日记 2025/8/13 21:50:27

viewDesign里的table内嵌套select动态添加表格行绑定内容丢失

问题描述 viewDesign里的table内嵌套select，表格的行数是手动点击按钮添加的，添加第一行选择select的内容能正常展示，添加第二行第一行的select的内容消失代码 <FormItem label"内饰颜色"><Tableclass"mt_10&q…...

编程日记 2025/8/13 21:52:39

vue v-html无法解析＜

vue v-html无法解析字符串的小于号方法一：可以替换成转义符 (实际还是会报错) let str 12345<445667 str.replaceAll(<, <)方法二：可以替换成中文小于号 let str 12345<445667 str.replaceAll(<, ＜)...

编程日记 2025/8/13 21:52:38

COLT_CMDB_linux_userInfo_20250508.sh修复历史脚本输出指标信息中userName与输出信息不一致问题

#!/bin/bash #IT_BEGIN #IT_TYPE3 #IT SYSTEM_LINUX_AGENTUSERDISCOVER|discovery.user[disc] #原型指标 #IT_RULE SYSTEM_LINUX_AGENTUSERGROUPID|groupId[{#USERNAME}] #IT_RULE SYSTEM_LINUX_AGENTUSERHOME|userHome[{#USERNAME}] #IT_RULE SYSTEM_LINUX_AGENTUSERNAME|user…...

编程日记 2025/8/9 17:21:01

如何使用OpenCV进行发票的透视变换和二值化处理

引言

环境准备

代码实现

运行结果

步骤解析

结论

相关文章：