Extract Red Seal From Scan

Extract_Red_Seal_From_Scan.py

import cv2
import numpy as np

def remove_white_paper(input_path, output_path, sensitivity=220):
    """
    去除A4白纸背景，保留印章。
    :param input_path: 输入图片路径
    :param output_path: 输出图片路径
    :param sensitivity: 灵敏度(0-255)。数值越大，去背景力度越大（会将更多浅灰色视为背景去除）。
                        建议范围 200-240。
    """
    # 1. 读取图片
    img = cv2.imread(input_path)
    if img is None:
        print(f"错误：找不到文件 {input_path}")
        return

    # 2. 转换为 BGRA (增加透明通道)
    # 先分离 B, G, R 通道
    b, g, r = cv2.split(img)

    # 3. 计算 Alpha 通道 (透明度)
    # 逻辑：将图片转为灰度，越亮的地方越透明，越暗的地方越不透明
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # --- 关键步骤：处理扫描噪点 ---
    # 扫描件的纸通常不是纯白(255)，可能是浅灰(230左右)。
    # 我们把所有亮于 sensitivity (默认220) 的像素强制变为纯白(255)，
    # 这样它们在后续步骤中就会变成完全透明。
    _, mask = cv2.threshold(gray, sensitivity, 255, cv2.THRESH_BINARY)
    
    # 这里的 mask 是：背景为白(255)，印章为黑(0)。
    # 我们需要反转它，让印章为不透明(255)，背景为透明(0)。
    alpha = cv2.bitwise_not(mask)

    # 4. 边缘优化 (可选，让印章边缘更圆润，不带锯齿)
    # 使用高斯模糊让透明度遮罩的边缘变软
    alpha = cv2.GaussianBlur(alpha, (3, 3), 0)

    # 5. 合并通道
    # 组合 B, G, R 和 计算出的 Alpha
    rgba = cv2.merge([b, g, r, alpha])

    # 6. 保存结果
    cv2.imwrite(output_path, rgba)
    print(f"处理完成！已保存为: {output_path}")

# --- 运行部分 ---
if __name__ == "__main__":
    # 改成你的文件名
    input_file = "scan_a4.jpg" 
    output_file = "seal_transparent.png"
    
    # 如果发现背景没去干净，把 220 改大 (例如 240)
    # 如果发现印章浅色的地方被误删了，把 220 改小 (例如 180)
    remove_white_paper(input_file, output_file, sensitivity=220)

运行前，需要安装好依赖包

pip install opencv-python numpy