檢測圖像文件的內容：在圖片中查找掃描的文檔

Question

我有很多文件夾，其中包含大量圖像文件。有時候，掃描的文檔圖像偶然會以文件夾的形式出現在文件夾中，並且缺少可視化掃描文件夾的人員，但這些文檔仍未被發現，但是如果發佈到錯誤的位置可能會導致問題。

因爲它們可能已被掃描的任何文件類型和大小，大致上真正的圖像的範圍內，他們很難從元數據檢測。

有誰知道的方法來檢測從真的圖像掃描的文檔 - 無論是工具或編程方式？

Answer 1

我建議考慮看看雅閣框架：http://accord-framework.net/。查看計算機視覺功能。我認爲這應該取決於你所描述的任務，再加上它是一個有趣的新領域。祝你好運。

Answer 2

假設掃描文檔看起來像文檔，任何圖像處理庫應該做的。您只需挑選一些功能來整理任何不是文檔的東西。使用這些功能來應用一些基本分類或機器學習。

剩餘的幾個文件可以由人工檢查或使用某些ORC。我不會在所有文件上運行OCR，因爲它需要比簡單分類更多的計算時間。

文件（特別是機密文件）往往有一個明亮的背景，高頻率的黑暗前景。黑暗的東西按行分組。幾乎沒有顏色，如果這些顏色通常只在文檔的一小部分（標誌等） 我想不出許多共享這些屬性的圖像。

所以，除非你有很多您的收藏報紙和書籍的照片你的罰款。

過程中掃描儀和照相機具有不同的成像特性和光學像差，我敢肯定，你可以找到一些他們的文件，但不會對所有圖像的工作。特別是如果這些圖像是從更大的圖像中裁剪出來的。

Answer 3

文件夾中是否還有其他文字背景圖片？這些掃描文檔中是否有大圖片？一種非簡單的過濾大部分文本文件的方法都是基於香農（直方圖）熵來高通圖像。大多數圖像的熵值高於簡單文檔的一個數量級。