第一课：课程导学与环境搭建
大家好，欢迎来到《OpenCV文档扫描与OCR识别实战》这门课。
我是你们这门课的主讲。在计算机视觉和OCR这个领域，我摸爬滚打了差不多十年。从最早用OpenCV 2.x版本做车牌识别，到后来用深度学习做票据识别，踩过的坑确实不少。今天这第一课，咱们不急着写代码，先把地基打牢。
你想想看，做文档扫描和OCR，说白了就是让电脑看懂图片里的文字。这背后涉及两个核心技术：一个是图像处理（OpenCV），另一个是文字识别（OCR）。这两兄弟配合好了，才能把一张模糊的纸质文档，变成可编辑的电子文本。
1.1 OpenCV是什么？
OpenCV，全称是Open Source Computer Vision Library。翻译过来就是「开源计算机视觉库」。它就像一个工具箱，里面装满了处理图像和视频的「扳手」和「螺丝刀」。
我个人习惯把它比作「图像界的瑞士军刀」。为什么这么说？因为从简单的图片裁剪、旋转，到复杂的人脸检测、物体追踪，它都能搞定。而且它是C++写的，但提供了Python接口，这对我们做快速原型开发特别友好。
核心要点：
- 开源免费，跨平台（Windows、Linux、macOS都能跑）
- 支持Python、C++、Java等多种语言
- 内置超过2500种优化算法
- 社区活跃，遇到问题基本都能搜到答案
我记得刚入行那会儿，有个项目需要做文档的自动裁剪。那时候深度学习还没现在这么火，全靠OpenCV的传统图像处理算法。用边缘检测+轮廓查找，硬是把一张张歪歪扭扭的扫描件给矫正过来了。嗯，那种感觉，挺有成就感的。
1.2 OCR技术概述
OCR，Optical Character Recognition，光学字符识别。它的任务很简单：把图片里的文字「读」出来。
但简单归简单，做起来可不容易。你想想看，一张图片里的文字，可能有各种字体、大小、颜色，背景可能还有污渍、水印，甚至文字本身都是歪的。OCR要做的就是把这些「乱七八糟」的像素，变成计算机能理解的字符串。
目前主流的OCR技术路线有两条：
| 技术路线 | 代表工具 | 特点 |
|---|---|---|
| 传统OCR | Tesseract | 轻量、离线可用、对清晰文档效果好 |
| 深度学习OCR | PaddleOCR、EasyOCR | 准确率高、抗干扰强、但需要GPU |
咱们这门课，两种都会讲到。传统OCR用来处理标准文档，深度学习OCR用来对付那些「疑难杂症」。说白了，就是两手抓，两手都要硬。
我的建议：初学者先从Tesseract入手。它安装简单，API清晰，能让你快速看到效果。等理解了OCR的基本流程，再上深度学习方案，会轻松很多。
1.3 Python与OpenCV安装
好，理论说完了，咱们开始动手。第一步，装环境。
我个人强烈建议用Python 3.8或3.9版本。为什么？因为这两个版本对OpenCV和Tesseract的兼容性最好。我遇到过不少同学用Python 3.12装OpenCV报错，折腾半天最后换回3.9就搞定了。
安装OpenCV很简单，一行命令搞定：
pip install opencv-python
pip install opencv-contrib-python # 包含额外模块第一个包是核心库，第二个包包含了SIFT、SURF等专利算法。咱们做文档扫描，第二个包建议也装上。
验证安装是否成功，打开Python交互环境，输入：
import cv2
print(cv2.__version__)如果输出了版本号，比如4.8.0，那就说明装好了。
注意：如果你用的是Anaconda，建议先创建一个新的虚拟环境。我曾经在一个项目里，因为依赖冲突，OpenCV和TensorFlow死活装不到一起。后来用虚拟环境隔离，问题就解决了。
创建虚拟环境的命令：
conda create -n ocr_env python=3.9
conda activate ocr_env1.4 开发环境配置
工欲善其事，必先利其器。开发环境我推荐两个：PyCharm和VS Code。你选哪个都行，看个人习惯。
PyCharm配置
PyCharm是JetBrains家的产品，对Python的支持非常完善。我个人习惯用PyCharm做大型项目，因为它集成了调试器、版本控制、数据库工具，非常方便。
配置步骤：
- 下载安装PyCharm Community版（免费）
- 新建项目，选择之前创建的虚拟环境
- 在Terminal里安装OpenCV和Tesseract
- 写个简单的测试代码，跑一下
VS Code配置
VS Code轻量、启动快，插件生态丰富。我平时写小脚本、做实验，都用VS Code。
配置步骤：
- 安装VS Code
- 安装Python插件（微软官方那个）
- 按Ctrl+Shift+P，选择Python解释器，指向你的虚拟环境
- 安装Jupyter插件（可选，但强烈推荐，可以交互式调试）
一个小技巧：在VS Code里，按Ctrl+Shift+P，输入「Python: Select Interpreter」，然后选择你创建的那个虚拟环境。这样你安装的OpenCV才能被正确导入。我见过太多人因为解释器选错了，报「ModuleNotFoundError」。
1.5 第一个OpenCV程序
环境搭好了，咱们来写第一个程序。别紧张，就几行代码，目的是验证整个链路是否通畅。
import cv2
import numpy as np
# 创建一个空白图像
img = np.zeros((400, 600, 3), dtype=np.uint8)
# 在图像上写文字
cv2.putText(img, "Hello, OpenCV!", (50, 200),
cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 255, 0), 2)
# 显示图像
cv2.imshow("My First OpenCV", img)
cv2.waitKey(0)
cv2.destroyAllWindows()运行这段代码，如果弹出一个窗口，显示绿色的「Hello, OpenCV!」，那恭喜你，环境配置成功了！
这里解释一下：np.zeros创建了一个纯黑色的画布，cv2.putText在上面写字，cv2.imshow把结果显示出来。嗯，就这么简单。
1.6 避坑指南
最后，分享几个我这些年踩过的坑，希望能帮你省点时间：
- 路径问题：OpenCV读取中文路径会报错。解决办法是用
cv2.imdecode代替cv2.imread。具体用法后面会讲。 - 版本兼容：OpenCV 4.x和3.x的API有些差异。咱们这门课基于4.x，如果你用的是3.x，个别函数可能需要调整。
- Tesseract安装：Windows下安装Tesseract后，记得把安装路径加到系统环境变量里。不然Python会找不到它。
我曾经在一个项目里，因为Tesseract没配置环境变量，调试了整整一个下午。最后发现就是少加了一个路径。嗯，这种低级错误，犯过一次就不会再犯了。
好，第一课就到这里。环境搭好了，咱们下节课就开始真正的文档扫描实战了。到时候你会看到，一张歪歪扭扭的纸质文档，是怎么被OpenCV一步步「扶正」的。
公众号:蓝海资料掘金营，微信deep3321