文档矫正增强V2

更新时间：2026-10-23

接口描述

文档矫正增强V2已正式商用！欢迎咨询合作了解详情，或立即购买快速开通服务。

对试卷、卡证、票据等内容进行智能主体检测，自动定位四角并精准提取主体内容，完成高精度透视矫正。V2 版本全面升级，支持图片增强、进一步锐化文字笔画、提升画面清晰度，让主体内容检测、矫正增强一步到位。

V2主要提升

新增方向转正参数enable_ori：适用于拍摄角度不正的场景，例如文档被横拍、倒置或旋转了一定角度，开启后自动识别并还原正确朝向，无需手动调整。
清晰度提升：文字更清晰锐利，小字、浅色字、边角处的内容都更容易辨认，局部模糊区域也有明显改善。
版面更平整：褶皱、扭曲得到更好的拉直处理，文字行更齐，段落、表格看起来更规整自然。
内容不丢失：在矫正增强的同时保留原始内容，不丢字、不吞边。

【免费额度与QPS规格】 实名认证后即可自动获取免费测试额度:

个人认证：共计赠送500次，2QPS
企业认证：共计赠送1000次，5QPS

QPS规格：付费用户初始容量为5QPS，可通过购买QPS叠加包进行扩容，购买QPS叠加包时需保证已开通按量后付费或购买次数包。

在线调试

您可以在示例代码中心中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。

请求说明

请求示例

HTTP 方法: POST

请求URL: https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2

URL参数：

参数	值
access_token	通过API Key和Secret Key获取的access_token,参考“Access Token获取”

Header如下：

参数	值
Content-Type	application/x-www-form-urlencoded

Body中放置请求参数，参数详情如下：

请求参数

参数	类型	是否必须	说明
image	string	和 url/pdf_file 三选一	图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px，支持jpg/jpeg/png/bmp格式优先级：image > url > pdf_file，当image字段存在时，url、pdf_file字段失效
url	string	和 image/pdf_file 三选一	图片完整url，url长度不超过1024字节，url对应的图片base64编码后大小不超过4M，最短边至少15px，最长边最大4096px，支持jpg/jpeg/png/bmp格式优先级：image > url > pdf_file，当image字段存在时，url字段失效请注意关闭URL防盗链
pdf_file	string	和 image/url 三选一	PDF文件，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px 优先级：image > url > pdf_file，当image、url字段存在时，pdf_file字段失效
pdf_file_num	string	否	需要识别的PDF文件的对应页码，当 pdf_file 参数有效时，识别传入页码的对应页面内容，若不传入，则默认识别第 1 页
scan_type	int32	否	选择是否对图片内主体内容进行四角点增强或矫正，可选值如下： - scan_type = 1：只做检测，不对主体进行矫正，返回主体四角点坐标，可用作前端页面展示 - scan_type = 2：默认值，检测并矫正，返回主体在原图中的四角点坐标以及矫正后的图像
enhance_type	int32	否	选择是否开启图像增强锐化功能： - enhance_type =0：默认值，不开启增强功能 - enhance_type = 1：增强并锐化
enable_deshadow	int32	否	选择是否开启图像去阴影功能： - enable_deshadow =0：默认值，不开启去阴影 - enable_deshadow = 1：开启去阴影
enable_bw	int32	否	选择是否开启黑白滤镜功能，类似扫描件效果： - enable_bw =0：默认值，不开启黑白滤镜 - enable_bw = 1：开启黑白滤镜
enable_ori	int32	否	选择是否开启图像方向转正功能，可选值如下： - enable_ori=0，默认值，不开启转正 - enable_ori=1，开启转正

请求代码示例

提示一：使用示例代码前，请记得替换其中的示例Token、图片地址或Base64信息。

提示二：部分语言依赖的类或库，请在代码注释中查看下载地址。

            Bash
        
            Python
        
            JAVA
        
            C++
        
            PHP
        
            C#
        

            curl -i -k 'https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2?access_token=【调用鉴权接口获取的token】' --data 'image=【图片Base64编码，需UrlEncode】&scan_type=2&enhance_type=0&enable_deshadow=0&enable_bw=0&enable_ori=0' -H 'Content-Type:application/x-www-form-urlencoded'
        

            # encoding:utf-8

import requests
import base64

'''
文档矫正增强V2
'''

request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2"
# 二进制方式打开图片文件
f = open('[本地文件]', 'rb')
img = base64.b64encode(f.read())

params = {
    "image": img,
    "scan_type": 2,       # 1：只检测返回四角点；2：检测并矫正（默认）
    "enhance_type": 0,    # 0：不增强（默认）；1：增强并锐化
    "enable_deshadow": 0, # 0：不去阴影（默认）；1：去阴影
    "enable_bw": 0,       # 0：不开黑白滤镜（默认）；1：开黑白滤镜
    "enable_ori": 0,      # 0：不转正（默认）；1：开启方向转正
}
access_token = '[调用鉴权接口获取的token]'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
    print(response.json())
        

            package com.baidu.ai.aip;

import com.baidu.ai.aip.utils.Base64Util;
import com.baidu.ai.aip.utils.FileUtil;
import com.baidu.ai.aip.utils.HttpUtil;

import java.net.URLEncoder;

/**
* 文档矫正增强V2
*/
public class DocCropEnhanceV2 {

    /**
    * 重要提示代码中所需工具类
    * FileUtil,Base64Util,HttpUtil,GsonUtils请从
    * https://ai.baidu.com/file/658A35ABAB2D404FBF903F64D47C1F72
    * https://ai.baidu.com/file/C8D81F3301E24D2892968F09AE1AD6E2
    * https://ai.baidu.com/file/544D677F5D4E4F17B4122FBD60DB82B3
    * https://ai.baidu.com/file/470B3ACCA3FE43788B5A963BF0B625F3
    * 下载
    */
    public static String docCropEnhanceV2() {
        // 请求url
        String url = "https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2";
        try {
            // 本地文件路径
            String filePath = "[本地文件路径]";
            byte[] imgData = FileUtil.readFileByBytes(filePath);
            String imgStr = Base64Util.encode(imgData);
            String imgParam = URLEncoder.encode(imgStr, "UTF-8");

            // scan_type: 1=只检测返回四角点；2=检测并矫正（默认）
            // enhance_type: 0=不增强（默认）；1=增强并锐化
            // enable_deshadow: 0=不去阴影（默认）；1=去阴影
            // enable_bw: 0=不开黑白滤镜（默认）；1=开黑白滤镜
            // enable_ori: 0=不转正（默认）；1=开启方向转正
            String param = "image=" + imgParam
                    + "&scan_type=2"
                    + "&enhance_type=0"
                    + "&enable_deshadow=0"
                    + "&enable_bw=0"
                    + "&enable_ori=0";

            // 注意这里仅为了简化编码每一次请求都去获取access_token，线上环境access_token有过期时间， 客户端可自行缓存，过期后重新获取。
            String accessToken = "[调用鉴权接口获取的token]";

            String result = HttpUtil.post(url, accessToken, param);
            System.out.println(result);
            return result;
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }

    public static void main(String[] args) {
        DocCropEnhanceV2.docCropEnhanceV2();
    }
}
        

            #include <iostream>
#include <curl/curl.h>

// libcurl库下载链接：https://curl.haxx.se/download.html
// jsoncpp库下载链接：https://github.com/open-source-parsers/jsoncpp/
const static std::string request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2";
static std::string doc_crop_enhance_v2_result;
/**
* curl发送http请求调用的回调函数，回调函数中对返回的json格式的body进行了解析，解析结果储存在全局的静态变量当中
* @param 参数定义见libcurl文档
* @return 返回值定义见libcurl文档
*/
static size_t callback(void *ptr, size_t size, size_t nmemb, void *stream) {
    // 获取到的body存放在ptr中，先将其转换为string格式
    doc_crop_enhance_v2_result = std::string((char *) ptr, size * nmemb);
    return size * nmemb;
}
/**
* 文档矫正增强V2
* scan_type: 1=只检测返回四角点；2=检测并矫正（默认）
* enhance_type: 0=不增强（默认）；1=增强并锐化
* enable_deshadow: 0=不去阴影（默认）；1=去阴影
* enable_bw: 0=不开黑白滤镜（默认）；1=开黑白滤镜
* enable_ori: 0=不转正（默认）；1=开启方向转正
* @return 调用成功返回0，发生错误返回其他错误码
*/
int docCropEnhanceV2(std::string &json_result, const std::string &access_token) {
    std::string url = request_url + "?access_token=" + access_token;
    CURL *curl = NULL;
    CURLcode result_code;
    int is_success;
    curl = curl_easy_init();
    if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, url.data());
        curl_easy_setopt(curl, CURLOPT_POST, 1);
        curl_httppost *post = NULL;
        curl_httppost *last = NULL;
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "image", CURLFORM_COPYCONTENTS, "【base64_img】", CURLFORM_END);
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "scan_type", CURLFORM_COPYCONTENTS, "2", CURLFORM_END);
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "enhance_type", CURLFORM_COPYCONTENTS, "0", CURLFORM_END);
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "enable_deshadow", CURLFORM_COPYCONTENTS, "0", CURLFORM_END);
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "enable_bw", CURLFORM_COPYCONTENTS, "0", CURLFORM_END);
        curl_formadd(&post, &last, CURLFORM_COPYNAME, "enable_ori", CURLFORM_COPYCONTENTS, "0", CURLFORM_END);

        curl_easy_setopt(curl, CURLOPT_HTTPPOST, post);
        curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, callback);
        result_code = curl_easy_perform(curl);
        if (result_code != CURLE_OK) {
            fprintf(stderr, "curl_easy_perform() failed: %s\n",
                    curl_easy_strerror(result_code));
            is_success = 1;
            return is_success;
        }
        json_result = doc_crop_enhance_v2_result;
        curl_easy_cleanup(curl);
        is_success = 0;
    } else {
        fprintf(stderr, "curl_easy_init() failed.");
        is_success = 1;
    }
    return is_success;
}
        

            <?php
/**
* 发起http post请求(REST API), 并获取REST请求的结果
* @param string $url
* @param string $param
* @return - http response body if succeeds, else false.
*/
function request_post($url = '', $param = '')
{
    if (empty($url) || empty($param)) {
        return false;
    }

    $postUrl = $url;
    $curlPost = $param;
    // 初始化curl
    $curl = curl_init();
    curl_setopt($curl, CURLOPT_URL, $postUrl);
    curl_setopt($curl, CURLOPT_HEADER, 0);
    // 要求结果为字符串且输出到屏幕上
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, false);
    // post提交方式
    curl_setopt($curl, CURLOPT_POST, 1);
    curl_setopt($curl, CURLOPT_POSTFIELDS, $curlPost);
    // 运行curl
    $data = curl_exec($curl);
    curl_close($curl);

    return $data;
}

$token = '[调用鉴权接口获取的token]';
$url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2?access_token=' . $token;
$img = file_get_contents('[本地文件路径]');
$img = base64_encode($img);
$bodys = array(
    'image'          => $img,
    'scan_type'      => 2, // 1：只检测返回四角点；2：检测并矫正（默认）
    'enhance_type'   => 0, // 0：不增强（默认）；1：增强并锐化
    'enable_deshadow'=> 0, // 0：不去阴影（默认）；1：去阴影
    'enable_bw'      => 0, // 0：不开黑白滤镜（默认）；1：开黑白滤镜
    'enable_ori'     => 0, // 0：不转正（默认）；1：开启方向转正
);
$res = request_post($url, $bodys);

var_dump($res);
        

            using System;
using System.IO;
using System.Net;
using System.Text;
using System.Web;

namespace com.baidu.ai
{
    public class DocCropEnhanceV2
    {
        // 文档矫正增强V2
        public static string docCropEnhanceV2()
        {
            string token = "[调用鉴权接口获取的token]";
            string host = "https://aip.baidubce.com/rest/2.0/ocr/v1/doc_crop_enhance_v2?access_token=" + token;
            Encoding encoding = Encoding.Default;
            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
            request.Method = "post";
            request.KeepAlive = true;
            // 图片的base64编码
            string base64 = getFileBase64("[本地图片文件]");
            // scan_type: 1=只检测返回四角点；2=检测并矫正（默认）
            // enhance_type: 0=不增强（默认）；1=增强并锐化
            // enable_deshadow: 0=不去阴影（默认）；1=去阴影
            // enable_bw: 0=不开黑白滤镜（默认）；1=开黑白滤镜
            // enable_ori: 0=不转正（默认）；1=开启方向转正
            String str = "image=" + HttpUtility.UrlEncode(base64)
                       + "&scan_type=2"
                       + "&enhance_type=0"
                       + "&enable_deshadow=0"
                       + "&enable_bw=0"
                       + "&enable_ori=0";
            byte[] buffer = encoding.GetBytes(str);
            request.ContentLength = buffer.Length;
            request.GetRequestStream().Write(buffer, 0, buffer.Length);
            HttpWebResponse response = (HttpWebResponse)request.GetResponse();
            StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.Default);
            string result = reader.ReadToEnd();
            Console.WriteLine("文档矫正增强V2:");
            Console.WriteLine(result);
            return result;
        }

        public static String getFileBase64(String fileName) {
            FileStream filestream = new FileStream(fileName, FileMode.Open);
            byte[] arr = new byte[filestream.Length];
            filestream.Read(arr, 0, (int)filestream.Length);
            string baser64 = Convert.ToBase64String(arr);
            filestream.Close();
            return baser64;
        }
    }
}
        

返回说明

返回参数

参数	类型	是否必须	说明
log_id	uint64	是	唯一的log id，用于问题定位
image_processed	string	是	返回处理后的图片
points	array[]	否	检测到的图片内主体在原图中的四角点坐标，顺序固定为左上、左下、右下、右上。坐标系为上传的原图，可直接用于在原图上绘制
pdf_file_size	string	否	传入PDF文件的总页数，当 pdf_file 参数有效时返回该字段

返回示例

                JSON
                
            

                {
    "image_processed":"/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAAYEBQYFBACUoKSj/2w"
    "points": [
        {
            "x": 462,
            "y": 122
        },
        {
            "x": 305,
            "y": 1521
        },
        {
            "x": 1745,
            "y": 1406
        },
        {
            "x": 1341,
            "y": 196
        }
    ],
    "log_id": 2098017318853891227
}
            

评价此篇文章

有帮助没帮助

PaddleOCR企业版

文档去手写V2

百度智能云

文字识别