我正在尝试从扫描的图像中提取对象。白色背景上可能有一些文档，我需要自动裁剪和旋转它们。这似乎是一项相当简单的任务，但我在某些时候遇到了困难并且一直得到不好的结果。
我试图：
通过执行形态学操作对图像进行二值化并获得连通分量。
通过使用膨胀和侵蚀的二进制图像作为掩码组件执行分水岭分割。
应用 Canny 检测器并填充轮廓。
这些都没有给我带来好的结果。如果对象没有对比边缘（即白色背景上的一张纸），它会分裂成许多单独的组件。如果我通过过度膨胀来连接这些组件，背景噪音也会扩大，一切都会变得一团糟。
例如，我有一个图像：
应用 Canny 检测器并填充轮廓后，我得到如下结果：
如您所见，组件未连接。它们彼此相距太远，无法通过合理的膨胀量连接起来。当我将分水岭与一些背景点结合使用时，会产生非常糟糕的结果。
有些图像很嘈杂：
在这种特殊情况下，我能够通过 Canny 检测器获得整个护照的轮廓，因为它具有对比边缘。但是阈值方法在这里不起作用。
这可能看起来有点空想，但请耐心等待：
对于仅涉及边缘检测、形态学操作和分割的图像处理方案，这看起来是一个相当具有挑战性的案例。
您在这里没有利用的是您（我相信）知道您的文档应该是什么样子。您目前正在寻找不考虑这些先验知识的完全通用的解决方案。如果您可以获得一些训练数据，那么您可以从简单的基于模板/补丁的匹配（SSD，归一化互相关）到更复杂的对象检测技术来查找文档的位置和旋转。
我的猜测是，如果您的对象总是或多或少相同且具有相同的比例（例如以固定分辨率/类似机器扫描的护照），那么您可以采用相当粗略的方法。不会有任何一种正确的方法。在您完成大量参数调整之前，您最终使用的技术也可能无法工作，因此不要太快放弃任何东西。
如果图像始终位于非常浅的背景上，则可以使用接近最大可能值的阈值进行二值化。之后就是校正二值图像以获取对象的问题，但此步骤将根据您的其他图像的外观而有所不同。
例如，左下图是我们在对输入进行高斯滤波后，阈值为最大值的 99% 时得到的结果。去除连接到边框的组件和其他小组件后，再结合一些基本的形态学工具，我们得到了右图。
