Вопрос или проблема
Я ищу SDK для сканирования документов на мобильные устройства (iOS и Android), который способен определять края документа и автоматически его обрезать. Я знаю несколько лицензионных SDK, таких как Scanbot, но есть ли какие-либо опции с открытым исходным кодом?
Обратите внимание на этот блог-пост, в котором показывается, как “Создать первоклассный мобильный сканер документов всего за 5 минут”.
Цепочка инструментов: Python и OpenCV.
- Определение краев документа
- Поворот и корректировка перспективы
- Обрезка
- Полностью бесплатно, безвозмездно и с открытым исходным кодом.
Ответ по этой ссылке также подойдет для вашего случая и используется в приложении Xamarin: https://stackoverflow.com/questions/60828712/crop-image-with-multiple-x-and-y-points-c-sharp/64861791#64861791
private RasterImage DetectAndDeskew(RasterImage image)
{
DetectDocumentCommand detectDocumentCommand = new DetectDocumentCommand();
detectDocumentCommand.Run(image);
if (detectDocumentCommand.DocumentArea == null)
{
Console.WriteLine("Документ не обнаружен");
return null;
}
KeyStoneCommand command = new KeyStoneCommand(detectDocumentCommand.DocumentArea);
command.Run(image);
image = command.TransformedImage;
return image;
}
Ответ или решение
Поиск открытого исходного SDK для сканирования документов на мобильных платформах, таких как iOS и Android, — задача, требующая знания специфики работы с изображениями и обработки сигналов. На рынке существует несколько комерчески лицензируемых SDK, например, Scanbot, однако, если вашей целью является использование открытого исходного кода, следует обратить внимание на несколько важных аспектов.
Теория
Документное сканирование на мобильных устройствах включает в себя такие ключевые этапы, как обнаружение краев, корректировка перспективы и обрезка изображения. Эффективное выполнение этих задач может значительно улучшить качество и точность сканированных документов. Ключевыми технологиями, которые могут быть применены для этих задач, являются алгоритмы компьютерного зрения и обработки изображений. Большинство SDK в этой области опираются на OpenCV, одну из самых популярных библиотек для компьютерного зрения с открытым исходным кодом.
Пример
Одним из интересных подходов является статья в блоге PyImageSearch, в которой описывается, как создать мобильный сканер документов с использованием Python и OpenCV. Этот подход подробно рассматривает алгоритмы обнаружения краев, исправления перспективы и последующего кадрирования. Алгоритмы, такие как Canny Edge Detection для определения контуров, преобразование Хафа для поиска линий, и warp-перспективная трансформация для исправления искажения, служат основой этих технологий.
Пример кода, предложенный в блоге, предусматривает следующие шаги:
- Обнаружение краев документа: Использование методов Canny или Sobel для определения резких изменений яркости, которые могут указывать на контуры документа.
- Исправление перспективы: Применение алгоритмов преобразования для корректирования углов, связанных с искажениям перспективы, которые могут возникнуть при фотографировании под углом.
- Обрезка изображения: Выделение области, представляющей документ, и удаление лишних частей изображений вокруг него.
Применение
Для реализации открытого исходного решения на платформах iOS и Android можно использовать подходы на основе OpenCV через языки, пригодные для мобильной разработки, такие как Java/Kotlin для Android и Swift для iOS, а также через промежуточные слои, обеспечивающие интеграцию с платформой. Это потребует предварительного изучения не только работы с OpenCV, но и особенностей каждой платформы, например, управления камерой и работы с изображениями.
При разработке мобильного приложения можно рассмотреть использование фреймворков, таких как Xamarin, который позволяет использовать общий код на обоих платформах. Пример кода на C#, представленный в обсуждении на StackOverflow, демонстрирует использование команды DetectDocumentCommand для обнаружения документа и KeyStoneCommand для коррекции углов. Код иллюстрирует идею создания универсальной функции, которая автоматически обрабатывает изображение, обеспечивая итоговую обрезку и преобразование перспективы.
Также стоит обратить внимание на возможность интеграции и кастомизации алгоритмов, чтобы более точно соответствовать требованиям конкретного приложения. В зависимости от задачи, возможно расширение функциональности за счет добавления фильтров для улучшения контраста документов или OCR для автоматического распознавания текста.
В заключение, использование открытого исходного SDK для мобильного сканера документов требует комплексного подхода, включающего как технические знания, так и практические навыки в разработке. Подходы с использованием OpenCV предлагают достаточно функциональные решения, которые можно доработать до прозрачной интеграции в бизнес-процессы, что делает их мощным инструментом в руках умелого разработчика.