1. 手机扫描App到底替我们做了哪几件事

上周帮朋友整理一摞报销单据，差不多六十多张纸。他习惯性地掏手机，一张一张地拍、一张一张地调边框、一张一张地存。我在旁边看着都替他累。这也让我又一次确认了一个判断：手机扫描App的真正优势是“随手拍、当场存”，一旦进入“几十张、要归档、要发给别人”的阶段，电脑端做扫描批处理的效率是手机端的十倍不止。

那问题就来了：电脑上有没有类似全能扫描王的软件？答案不是“有某一个”，而是“有一整套组合方案”。因为手机端那类App其实是把四件事捆在了一起，而电脑上这四件事可以拆开、可以批量化、可以脚本化，甚至可以做成一个双击就自动检修掉的文件处理流程。这篇就按我实际干活的顺序，把选型思路、参数怎么定、脚本怎么跑、坑在哪，一条条讲清楚。如果你经常要处理合同扫描件、教材拍照合订、票据归档、手写笔记电子化，下面这些内容基本可以直接抄作业。

1.1 扫描App背后其实是四个独立动作

很多人把“扫描”当成一个整体，其实拆开看，任何一款扫描类App干的无非这四步：边缘检测与透视校正（把拍歪的纸拉正）、底色压平与二值化（把灰扑扑的纸背景变成纯白，笔迹变纯黑）、参数微调与人工确认（拖四个角、拉对比度滑块）、导出与命名（存成PDF或JPG，改个文件名）。

这四步里，第一步和第二步是纯算法，机器比人干得好也干得快；第三步最耗时间，是手机App产品设计上不得不加的人工兜底；第四步更是纯手工。

看清这个结构，你马上就能明白电脑端为什么能“一分钟搞定几十张”——电脑端方案的核心思路不是“把手机App移植过来”，而是直接砍掉第三步的人工干预，靠固定参数加批量脚本一口气跑完。风险当然也有：参数定得不对，一批图会一起废掉。所以参数怎么定，是后面必须重点讲的。

1.2 为什么这件事在电脑上反而更快

手机端的瓶颈不在算力，而在交互。手指拖四个角，一张图平均要花七八秒，六十张就是七八分钟，还没算上你手抖重来的次数。而且手机屏幕小，边角有没有对齐看不清，很多时候拍完才发现纸的阴影盖住了字。

电脑端有三个天然优势。一是屏幕大，能同时看缩略图，一眼扫过去就知道哪几张拍废了，可以就地重拍。二是可以批处理，同一个参数一次性套用到几十张图上，不需要一张一张点。三是可复用，同一套脚本、同一个参数组合，下次再来六十张，双击一下就能跑，边际成本几乎为零。

实测下来，一套参数调定之后，处理单张A4照片（约1200万像素）的耗时在200到400毫秒之间，六十张图从放进文件夹到输出PDF，二十到三十秒。这就是“一分钟搞定几十张”的真实来源，不是夸张，是批处理本身的性质决定的。

1.3 动手之前先想清楚三个前提

在推荐方案之前，有三个前提我必须先摆出来，因为很多人失败就失败在这一步没想清楚。

第一，源图质量决定上限。手机或者相机拍的时候，纸张边缘必须完整落在画面内，四周要留一点余量。边角被裁掉的图，自动裁边算法再强也救不回来，只能退化成人手拖角。

第二，光照是否均匀决定要不要上复杂算法。桌面台灯从一侧打光，纸面会有一道明显的亮到暗的渐变。如果只做全局阈值，亮的那半边全白、暗的那半边全黑，字就丢了。这种情况必须用“先估计背景再相除”的做法，下文会具体写。

第三，用途决定分辨率。只是自己看、做笔记归档，200dpi二值图完全够；要打印、要发给外部、要长期存档，300dpi的灰度或者二值图更稳妥。别统一按最高规格存，一个几百页的PDF动辄上百兆，后面传不动、打不开，全是你自己的麻烦。

2. 四类桌面方案，按使用频率和投入排序

标题里说的“4款”，我按从零成本到高自由度的顺序排。不用全都装，先看你的使用频率选一个主方案，剩下的当备用。

2.1 类型一：系统自带方案，零成本应急

主流桌面操作系统自带的照片查看器、截图工具、打印到PDF的虚拟打印机，已经能覆盖“改一张图、拼两三页”这种极低频场景。

具体怎么用：把照片用系统照片查看器打开，用编辑里的裁剪把纸外的桌面切掉，再用亮度/对比度把背景提亮，最后在打印对话框里选“打印到PDF”，纸张尺寸选A4，缩放选“适合页面”。出来的就是一页规规矩矩的PDF。

这套方案的优点是零安装、零学习成本，缺点是完全没有批处理能力，一张一张来，五张以上就不划算了。我的建议是：把它当成应急手段，不要当作常规流程。用它处理超过十张，你会浪费掉比装软件更多的时间。

2.2 类型二：办公套件里的文档处理模块

各类办公套件、PDF阅读器、文档管理工具，很多都带“从图片创建PDF”“文档增强”“去除背景”这类模块。它们的价值在于功能集成度高，能把图片转PDF、页面排序、加水印、加页码、合并拆分一次性做完，不用在多个工具之间来回倒。

选这类工具时我一般看两点：一是有没有批量导入并按文件名排序的能力，这决定了你做出来的PDF页序对不对；二是有没有图片增强/黑白化的选项，很多工具只有“插入图片”，没有“优化图像”，插进去是什么样输出就是什么样。

这里有个容易踩的坑：部分工具的“文档增强”默认会做较强的一次性锐化和对比度提升，字迹细的手写笔记会被锐化成锯齿。第一次用的时候，务必先拿一张最有代表性的图试跑，放大到100%看清楚笔画有没有断裂，再批量处理。

2.3 类型三：开源图像处理工具，参数可控

如果你不排斥稍微学一点东西，用通用图像处理工具配合批处理命令，是性价比最高的路子。它能做到手机App里最贵的那部分能力——灵活的去底色和对比度控制，而且参数完全透明，不是黑盒。

核心思路就一句话：先估计纸面的光照背景，再把原图除以这个背景，光照就平了。具体操作上，对灰度图做一次大核的形态学闭运算（核尺寸大约取短边的1/30到1/50），得到一张“只有背景、没有字迹”的模糊图；然后用原图去除以这张背景图，得到的图里纸面基本是均匀的浅灰白；最后再做一个局部自适应二值化或者轻微的对比度拉伸，笔迹就清晰了。

这套流程的好处是对不均光照非常鲁棒，坏处是参数需要试。核太大，背景估计会跟着字迹走，字周围出现一圈灰晕；核太小，背景估计不够平，大块阴影压不下去。我的经验值：A4幅面、长边2200像素时，闭运算核取25到35，自适应阈值的block取25或31，C值取10到15，字迹细就用小C。

2.4 类型四：命令行加脚本，真正的一分钟几十张

这是我最常用的方案，也是唯一能真正做到“双击一下，几十张全出来”的。原理不复杂：一个Python脚本，遍历文件夹里所有图片，依次做降采样、找纸张轮廓、透视校正、去底色二值化、按规则重命名，最后合成一个PDF。

它的门槛在于第一次要花半小时把脚本跑通，但跑通之后就是白捡的效率。下一篇章节我会把关键代码和参数逐段贴出来，你可以直接复制过去改路径就运行。

下面这张表把四类方案横向对比一下，你可以直观看出自己该选哪个：

选择逻辑很简单：每月处理量低于20张，用前两类；高于50张，直接上周四类；介于两者之间，用开源图像工具。

3. 从一堆照片到一个PDF：完整实操流程

这一章是核心。我按真实操作顺序写，中间会穿插参数怎么算出来的，你跟着走一遍就能复现。

3.1 拍摄与素材规范化，这一步决定后面省多少事

拍摄环节的规范，比任何后期算法都值钱。我的固定做法是：找一块深色（最好是黑色或深灰）的桌面或者垫一张深色卡纸，把纸放上去，用顶光或者侧上方45度的光线照，手机举高、镜头与纸面平行，四周各留一指宽的余量。

为什么强调深色底？因为绝大多数纸张轮廓检测算法都是基于“边缘对比度”的。白纸放在白桌上，边缘几乎没有梯度变化，算法就找不到纸的四个角，透视校正直接失效。深色底把纸张轮廓变成了一个高对比的亮区域，检测成功率能从五成提到九成以上。

为什么强调镜头平行？因为透视校正虽然有，但它是“把四边形拉伸成矩形”，拉伸幅度越大，插值失真越明显。倾斜30度以内校正完基本看不出问题，倾斜60度去补救，字会被拉得又扁又糊。

拍完之后，统一放进一个文件夹，命名成可排序的格式，比如scan_001.jpg、scan_002.jpg，位数补零。这一步是为了后面输出PDF时页序正确——很多工具按文件名字符串排序，scan_10.jpg会排在scan_2.jpg前面，不补零就乱序，几十页的PDF页序错了，你得一页一页拖回来，非常痛苦。

3.2 批量去底色：参数是怎么算出来的

先把最关键的三个参数讲透，剩下的照抄就行。

第一个参数是降采样目标尺寸。我一般把长边压到2200像素。理由来自分辨率的换算：A4纸是210×297毫米，按200dpi算，210÷25.4×200≈1654像素，297÷25.4×200≈2339像素。也就是说长边2200像素，正好对应200dpi左右的A4输出，日常阅读、屏幕查看、普通打印都够。压到这个尺寸再处理，单张处理时间能压到300毫秒以内，比全尺寸快三到五倍。

第二个参数是背景估计核尺寸。形态学闭运算的核越大，估计出的背景越“平滑”，但也越容易把字迹一起吞进去。经验公式是取短边的1/40左右。A4短边约1654像素，1654÷40≈41，取奇数就是41。如果你拍的是小票、名片这类小尺寸，按同样比例算，核会小很多，这是正常的。

第三个参数是自适应阈值的block和C。block必须是大于1的奇数，取25或31比较稳；C是“阈值减去多少”，取10到15。笔迹细、颜色浅（比如铅笔字），C取8到10，否则会断笔；背景脏、有污渍、有网格线，C取15以上，能压掉细小的噪点。

下面这段是这个环节的完整实现，注释我写得很细：

import cv2 import numpy as np import os import glob def flatten_and_binarize(src_path, dst_path, max_side=2200, block=31, c=12): img = cv2.imread(src_path) if img is None: print(f"跳过无法读取的文件: {src_path}") return False # 1. 降采样到长边 max_side，减少后续计算量 h, w = img.shape[:2] scale = max_side / max(h, w) if scale < 1: img = cv2.resize(img, (int(w * scale), int(h * scale)), interpolation=cv2.INTER_AREA) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2. 估计纸面光照背景：大核闭运算吃掉字迹，只剩背景明暗 short_side = min(gray.shape[:2]) ksize = max(3, int(short_side / 40) | 1) # 保证是奇数 kernel = np.ones((ksize, ksize), np.uint8) bg = cv2.morphologyEx(gray, cv2.MORPH_CLOSE, kernel) # 3. 原图除以背景，把光照梯度压平 flat = cv2.divide(gray, bg, scale=255) # 4. 局部自适应二值化，保护细笔画 binary = cv2.adaptiveThreshold(flat, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, block, c) # 5. 轻微中值滤波去掉孤立噪点（核只能用奇数） binary = cv2.medianBlur(binary, 3) cv2.imwrite(dst_path, binary) return True

跑之前强烈建议先拿三张样本试：一张光照最均匀的、一张阴影最重的、一张字迹最细的。三张都过了再批量。我吃过这个亏——有一次直接跑了八十多张，回头发现阈值定高了，手写笔记的连笔全断成一截一截，只能删掉重来。

3.3 自动裁边和透视校正，让歪拍的照片自己站直

这一步是整个流程里最容易翻车、也最容易被高估的环节。原理很朴素：找画面里最大的四边形轮廓，认为它就是纸的边界；拿到四个角点后，算出目标矩形的宽高，做一透视变换，把四边形映射成矩形。

关键在于“怎么找到那个四边形”。我的做法是先转灰度、做高斯模糊压噪点，然后用边缘检测拿到二值边缘图，再做一次小核膨胀，把断续的边缘连起来，最后找外轮廓，按面积从大到小取前五个候选，逐个用多边形逼近，第一个逼近出四个顶点的就是纸。

下面是可以直接用的实现：

def order_points(pts): # 按 左上、右上、右下、左下 排序 rect = np.zeros((4, 2), dtype="float32") s = pts.sum(axis=1) rect[0] = pts[np.argmin(s)] rect[2] = pts[np.argmax(s)] d = np.diff(pts, axis=1) rect[1] = pts[np.argmin(d)] rect[3] = pts[np.argmax(d)] return rect def find_paper(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray, (5, 5), 0) edges = cv2.Canny(gray, 60, 180) edges = cv2.dilate(edges, np.ones((3, 3), np.uint8), iterations=1) cnts, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5] for cnt in cnts: peri = cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, 0.02 * peri, True) if len(approx) == 4: return approx.reshape(4, 2).astype("float32") return None def warp(img, pts): (tl, tr, br, bl) = order_points(pts) w = max(int(np.hypot(br[0] - bl[0], br[1] - bl[1])), int(np.hypot(tr[0] - tl[0], tr[1] - tl[1]))) h = max(int(np.hypot(tr[0] - br[0], tr[1] - br[1])), int(np.hypot(tl[0] - bl[0], tl[1] - bl[1]))) dst = np.array([[0, 0], [w - 1, 0], [w - 1, h - 1], [0, h - 1]], dtype="float32") M = cv2.getPerspectiveTransform(order_points(pts), dst) return cv2.warpPerspective(img, M, (w, h))

Canny 的两个阈值60和180是我反复试出来的折中值。阈值定低（比如30/90），深色桌面上的纹理也会被当成边缘，找到的四边形可能是桌面上的某条缝；定高（比如120/240），纸张边缘和桌面的对比不够强时会直接断掉，找不到轮廓。60/180在深色底白纸的场景下命中率最稳。如果你用的是浅色桌面，一定要先换深色底，别指望调阈值去硬扛。

还有一点必须提醒：找不到四个点时，别让脚本默默跳过。我最初的版本是找不到就原图直出，结果一批图里混了好几张拍歪的，我在合成PDF时才发现，只能从头翻。后来改成找不到轮廓就把文件名打进一个failed.txt，跑完统一看一圈，效率高得多。

3.4 合成PDF并控制体积，这里最容易翻车

最后一步是把处理好的图片合成PDF。用 Pillow 做就行，关键有两点：一是二值图必须按1位深存储，二是必须显式指定分辨率。

很多人的PDF体积爆炸，就是因为它默认按72dpi算，为了让页面显示成A4大小，程序把图片强行放大到A4的物理尺寸对应的像素数，结果一张图被插值放大好几倍，文件自然就大了。

from PIL import Image def imgs_to_pdf(files, out_path, dpi=200): pages = [] for f in files: im = Image.open(f) # 二值图用 1 位深存储，体积可以压到灰度图的几十分之一 if im.mode != "1": im = im.convert("1") pages.append(im) if not pages: return pages[0].save(out_path, "PDF", save_all=True, append_images=pages[1:], resolution=float(dpi))

体积能省多少，算一笔账你就明白了。一页200dpi的A4二值图是1654×2339≈387万像素，按1位深算原始数据约484KB。但PDF里用的二值压缩是无损的行程编码，实际压缩后单页通常只有30到80KB。一百页的PDF大概3到8MB，这个体积用邮件发、用聊天工具传都没问题。

反过来，如果按300dpi灰度图存，一页是2480×3508≈870万像素，八位灰度就是8.7MB原始数据，就算经过有损压缩，一百页也是几百兆。这就是为什么我坚持“归档用二值、要印刷才用灰度”。

把上面几段串起来，主流程就是这样：

import glob, os src_dir = "./raw" out_dir = "./done" os.makedirs(out_dir, exist_ok=True) failed = [] for p in sorted(glob.glob(os.path.join(src_dir, "*.jpg"))): name = os.path.splitext(os.path.basename(p))[0] img = cv2.imread(p) pts = find_paper(img) if pts is not None: img = warp(img, pts) cv2.imwrite(os.path.join(out_dir, name + "_warp.jpg"), img) else: failed.append(name) flatten_and_binarize(os.path.join(out_dir, name + "_warp.jpg") if pts is not None else p, os.path.join(out_dir, name + "_bin.png")) if failed: with open("failed.txt", "w", encoding="utf-8") as f: f.write("\n".join(failed)) print(f"未检测到纸张轮廓 {len(failed)} 张，见 failed.txt") pdfs = sorted(glob.glob(os.path.join(out_dir, "*_bin.png"))) imgs_to_pdf(pdfs, "output.pdf", dpi=200) print("完成，输出 output.pdf")

4. 踩过的坑：常见问题与排查实录

这一章里的问题，基本都是我在实际处理几十上百张图的时候真金白银换来的，不是理论推演。

4.1 字迹发虚、断笔、边缘毛刺，八成是这三个原因

断笔是最常见的。表现是笔画中间出现断裂，连笔的手写字直接变成一堆点。原因通常是自适应阈值的C值给大了，或者block给得太小。处理办法：C降到8到10，block提到31或41，重新跑一遍。如果还断，说明原始分辨率太低，笔画本身就没几个像素宽，那就别再压到2200了，把max_side提到3000。

边缘毛刺表现为字的轮廓像虫子咬过一样。这是二值化前后噪声被放大的结果。加一步中值滤波（核3或5）基本能压住，但对特别细的笔画会有一点损失，需要权衡。

整体发虚通常是透视校正拉过头了。四个角点检测偏了十几像素，映射之后整页会轻微扭曲，字就跟着糊。判断方法：把校正后的图放大到200%看直线（表格框线、页边）有没有变弯，弯了就是角点不准。这种情况只能把人手拍好的原图重来一次，或者退回到半自动——把检测到的四个角点画在原图上，你先肉眼确认再校正。

4.2 PDF体积暴涨，先查这三个地方

一是分辨率参数没写。Pillow 保存PDF时如果没传resolution，默认按72dpi，页面尺寸会被撑到A4的三倍大，图片被强行插值放大。加上resolution=200立刻恢复。

二是图片模式没转成1位。灰度图直接合进PDF，体积是二值图的五到十倍。加一行im.convert("1")就能救回来。注意转换时如果原图不是纯黑白，会走抖动算法，可能出现网点，所以务必在二值化之后才转。

三是混入了原图。有时候脚本里路径写错，把彩色JPG也一起塞进了PDF，单页体积直接上千KB。检查方法是把PDF拆页看，哪一页特别大，就是哪一页混了原图。

4.3 阴影盖住字、倾斜太大、边角没拍全怎么办

阴影盖字是光照不均的极端情况。除以背景那一步能救一部分，但如果阴影下的对比度已经低于阈值，字就真丢了。补拍是最省事的方案，其次是改用局部CLAHE做一次对比度均衡再二值化，能多救回一些，但会让画面质感变“脏”。

倾斜过大（超过45度）会导致纸张在画面里占的面积不够大，轮廓检测容易把桌面上的其他矩形（比如鼠标垫、键盘）误判成纸。判断方法：把检测到的四边形画出来看。如果确实是误判，就裁剪掉边缘无关区域再跑。

边角没拍全是最无解的一种。轮廓检测要求四个角都在画面内，缺一个就退化。这时候只能人工介入，或者换个思路——不做透视校正，直接做去底色加二值化，接受页面轻微倾斜，反正内容还在。

4.4 常见问题速查表

提示：每次改参数，都用同一组三张“刁钻样本”做回归测试。别用新图试，新图的差异会掩盖参数变化带来的实际影响，你会误以为是参数调整生效了。

5. 几个让我效率翻倍的细节习惯

最后分享几个不算技术、但实实在在省时间的习惯。

第一个是固定工作目录。我永远是三个文件夹：raw放原图，warp放校正后的中间图，done放最终稿。中间图一定要留，因为参数改了只需要从warp重跑，不用重新拍、重新校正。只留最终稿的话，每改一次参数就全流程重来一遍，时间全浪费在等待上。

第二个是给每批任务建一个参数记录。一个纯文本就行，写清楚这批图的来源（合同、笔记、票据）、用的分辨率、block值、C值、以及最终PDF有多大。下次遇到同类素材，直接照抄上次的参数，基本一次就能过。这个习惯看起来笨，但两个月后你还能翻出来复用。

第三个是先跑通十张，再跑一千张。我见过太多人一上来就把几百张全丢进去，跑完发现页序不对，重新排一遍能累瘫。十张能暴露90%的问题，成本几乎为零。

第四个是别迷信全自动。自动裁边在深色底、正拍的情况下命中率确实高，但只要有一批素材是斜着拍的、或者纸张有卷边，全自动的比例就会掉到七八成。这时候合理的做法是“全自动跑一遍，把失败清单单独拿出来半自动处理”，而不是死磕算法。人的时间比算法贵，能十秒解决的问题，别花两小时调参数。

这套流程我用了很久，从最初的二十多张票据要折腾半小时，到现在六十多张一分钟出PDF。真正的分水岭不是找到了什么神器软件，而是想明白了一件事：扫描这件事的本质是图像预处理，而图像预处理天生就该在电脑上批量做。手机端那类App解决的是“随时随地”，电脑端方案解决的是“量大从优”，把工具放到对的场景里，效率的差距就自然出来了。