图像处理

OpenCV 核心

基础操作

import cv2
import numpy as np

img = cv2.imread("photo.jpg")

# 基本属性
print(img.shape)  # (高, 宽, 通道数)

# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 缩放
resized = cv2.resize(img, (800, 600))

# 裁剪
crop = img[100:400, 200:600]

# 保存
cv2.imwrite("output.jpg", gray)

常用处理

# 高斯模糊（去噪）
blur = cv2.GaussianBlur(img, (5, 5), 0)

# 边缘检测
edges = cv2.Canny(gray, threshold1=50, threshold2=150)

# 阈值分割
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

# 轮廓检测
contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

PDF 文档处理（PyMuPDF）

import fitz  # PyMuPDF

doc = fitz.open("document.pdf")

for page_num in range(len(doc)):
    page = doc[page_num]

    # 提取文字
    text = page.get_text()

    # 提取图片
    images = page.get_images()
    for img_index, img in enumerate(images):
        xref = img[0]
        pix = fitz.Pixmap(doc, xref)
        pix.save(f"page{page_num}_img{img_index}.png")

    # 页面转图片（用于视觉比对）
    pix = page.get_pixmap(dpi=200)
    pix.save(f"page_{page_num}.png")

视觉差异检测

def compare_images(img1_path, img2_path, threshold=30):
    """逐像素差异检测"""
    img1 = cv2.imread(img1_path)
    img2 = cv2.imread(img2_path)

    # 确保尺寸一致
    img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))

    # 计算差异
    diff = cv2.absdiff(img1, img2)
    gray_diff = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)

    # 阈值过滤（忽略微小差异）
    _, mask = cv2.threshold(gray_diff, threshold, 255, cv2.THRESH_BINARY)

    # 标记差异区域
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    result = img1.copy()
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        cv2.rectangle(result, (x, y), (x + w, y + h), (0, 0, 255), 2)

    # 统计差异
    diff_pixels = cv2.countNonZero(mask)
    total_pixels = mask.shape[0] * mask.shape[1]
    diff_ratio = diff_pixels / total_pixels * 100

    return result, diff_ratio

差异标记模式

模式	标记方式	适用场景
矩形框	红框圈出差异区域	合同、文档比对
像素高亮	差异像素着色	精细对比
蒙版叠加	半透明红色覆盖	多处差异可视化

常见坑点

• 颜色通道：OpenCV 默认 BGR 而非 RGB，转其他库需 cv2.cvtColor
• 坐标顺序：NumPy 数组是 [y, x]，OpenCV 函数参数是 (x, y)
• 中文路径：OpenCV 的 imread 不支持中文路径，用 cv2.imdecode 替代
• PDF 分辨率：页面转图片时 DPI 不够会导致比对不准，建议 200+