扫描图书（电子书）内大量图片快速提取

昨天要做扫描电子书提取图片的任务。然后估算了一下大概300张以上，如果自己使用手机一张张拍在截取的话。不知道要到猴年马月。就算使用打印机进行扫描在进行截取也很费时间。所以网上想找一找有没有这类软件或者代码。但看了一圈。我没有发现。于是只能自己动手了。话不多说-直接附上效果图扫描的图书页面

待提取图片的扫描图书

提取后的图片

这种方法适合处理电子书内的图片

代码如下：

import cv2
import numpy as np
import os

def extract_rectangles_by_threshold(image_path, output_folder, area_threshold, threshold=240):
    if not os.path.exists(output_folder):
        os.makedirs(output_folder)

    # 读取图片并转换为灰度图像
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 应用阈值以获得几乎为白色的区域
    _, thresh = cv2.threshold(gray, threshold, 255, cv2.THRESH_BINARY_INV)

    # 寻找轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 文件命名序号
    file_idx = 0

    for contour in contours:
        # 计算轮廓的边界框
        x, y, w, h = cv2.boundingRect(contour)

        # 计算面积并与阈值比较
        area = w * h
        if area > area_threshold:
            # 根据边界框的宽高比来确定矩形，可以适当调整宽高比限制条件
            aspect_ratio = float(w) / h
            if 0.5 < aspect_ratio < 2.0:
                # 根据边界框裁剪图片
                cropped_image = image[y:y + h, x:x + w]

                # 构造唯一文件名
                output_path = os.path.join(output_folder, f"cropped_{file_idx}.png")
                while os.path.exists(output_path):
                    file_idx += 1
                    output_path = os.path.join(output_folder, f"cropped_{file_idx}.png")

                # 保存裁剪后的图片
                cv2.imwrite(output_path, cropped_image)
                print(f"Saved: {output_path}")

                # 增加文件命名序号
                file_idx += 1


# 路径配置
input_folder = "picture4"
output_folder = "result4"

# 阈值配置，可根据图片实际情况调整
threshold_value = 130  # 越接近255表示边界越接近纯白色
area_threshold_value = 200000  # 面积阈值，只有超过这个值的图片才会被提取

# 遍历文件夹中的所有PNG文件
for filename in os.listdir(input_folder):
    if filename.endswith(".png"):
        image_path = os.path.join(input_folder, filename)
        extract_rectangles_by_threshold(image_path, output_folder, area_threshold_value, threshold=threshold_value)

运行前记得安装opencv

input_folder 是存放图片的文档名称
output_folder 是输出图片的文档名称

此外如果提取效果不理想可以调一下

threshold_value和area_threshold_value两个数值

这是我的提取文档中的图片

提取之后是这样

效果还是很可以的。提取效果95%以上