手机拍文档这事，说小不小。合同、发票、笔记——你得拍清楚，还得发得快。以前只能装App，现在打开网页就能搞定。WebAssembly让浏览器能跑正经代码，有时候比下载安装省事多了。

但这事比想象的要麻烦。真实照片全是坑：透视变形、光线不均、反光阴影、背景杂乱。页面还可能出框，背景里全是直线矩形，跟文档混在一起真假难辨。

打开网易新闻 查看精彩图片

我的思路是尽量简单，全部在客户端跑完。没上神经网络，用的传统计算机视觉方法。

核心原则：别信任何单一检测方法。

手机实拍照片太脏，单一路径根本扛不住。我跑了多条处理管线，每条用自己的方式把文档从场景里抠出来。收集看起来像纸片的区域，生成候选，再挑最好的。

实际效果比"主方法"单打独斗强多了。有些方案在干净均匀光线下表现完美，一遇反光就崩；另一些扛得住阴影，却在复杂背景前迷糊。关键不是找到完美方法，而是组合几个失败方式不同的不完美方法。

第一遍抓纸张常见的视觉特征。第二遍通过局部对比度提取边缘。第三遍直接盯准锐利的过渡和线条。每遍之后提取轮廓，这些轮廓成为候选筛选的原材料。

有了轮廓集合，下一个问题是：哪些真像文档？

这里几何开始起作用。

对每个轮廓，我尝试恢复四角形状。有时直接成功，有时需要先简化轮廓，有时轮廓太乱，就退而求其次做个粗略矩形估计。

然后按几条直觉规则筛选：得是凸四边形；边长比例得合理；角度和对角线不能畸变太狠；如果太贴着图像边缘，通常可疑。

不是说文档得完美矩形。手机照片必有透视变形，但即便如此，真纸片和假候选通常还是能区分。