一种废弃打印纸可用区域的自动识别和再利用方法

zhaolei19740211

407人浏览 · 2026-04-17 08:50:08

zhaolei19740211 · 2026-04-17 08:50:08 发布

引言

当前，打印机和复印机等办公自动化设备在人们工作和生活中的广泛使用，在给人们带来便利的同时，也产生了大量的废弃打印纸，如图，若作为垃圾扔掉，造成环境污染；即使回收再利用，也要产生高昂的回收、存储、整理、运输和加工费用。随着“绿水青山就是金山银山”的理念的深入和我国2035年实现碳中和的目标的确立，废弃打印纸的有效再利用将成为一项重要的研究课题。

经过观察和调查，在很多扔掉的打印纸中，不少都是只打印了一点内容，并没充分使用；而且很多纸张的表面还是非常光滑平整。这些打印纸作为垃圾扔掉，产生浪费的同时还会增加大量的处理成本，甚至会造成环境污染。下图是3张被扔掉的废弃打印纸，第一张只打印了一个标题，第二张只打印了两行字，第三章打印了几个简单图案。它们统一的特点是：纸上只打印了少量的内容，空白区域还有很多。经调研调研，多数打印纸存在一半以上打印内容少和利用率低的问题。若作为垃圾扔掉或人工收回，都会产生资源浪费和人力浪费。

目前还国内外主要研究的是如何对于普通纸张的回收和利用，并没有专门针对打印纸再利用的研究。对于普通纸的回收和利用，主要是采用人工回收填埋和燃烧，部分会被工厂进行二次加工。文献[1]提出了一种碎纸修复术,主要是采用MATLAB程序语言对普通碎纸进行识别和修复，但算法过于复杂，降低了识别速度；并且由于是对碎纸进行识别和修复，效果也不是太好。

1、打印纸可用区域和可再生打印纸机模型

如何能更加高效地使用打印纸呢？本文提出了打印纸的“可用区域”的概念，即一张打印纸可再利用的区域。例如，一张没使用过的打印纸，它的可用区域应该是整个纸张；而一张使用过的打印纸，它的可用区域是满足面积大于某个阈值（例如30行高度或100行像素高度或白色区域占比40%）打印纸。上图中三张打印纸的其可用区域，如图红色矩形框部分所示。

基于打印纸可用区域，提出了一种“可再生打印纸机”模型，其基本工作原理如下：

（1）废弃打印纸的可用区域识别和裁剪。即对于用过的打印纸，找出其可用区域并使用区域进行裁剪。

（2）打印纸可用区域拼接和再生。利用打印纸标准尺寸的原理，可以将两张打印纸进行压制和对接，中间接触处喷入无痕胶水，加热后完成粘贴，从而拼接成一张全新的打印纸。模型原理如图4。若胶水成本太高，可采取尺寸分类方法，对不同尺寸的白纸进行收集再利。

2、打印纸可用区域的算法

在可再生打印纸机器中，最重要一步是如何实现打印纸可用区域的自动识别。因为在几千、几万张“废弃”打印纸中，仅凭人眼识别纸张的可用区域和手动放置纸张非常困难和缓慢。本文提出了一种自动识别打印纸可用区域的算法：

1.对于给定的一张复印纸，对其进行扫描或拍照，形成计算机图像（png或jpg格式），存放在计算机上，每张值表示为像素点阵。

（1）判断，若图像一行的像素几乎都为白色，则该行为可使用行。

（2）若连续多行都是可使用行，且构成的矩形面积大于可用区域的最小值，则该区域判定为可用区域。

（3）通过连续判断每一像素行，可以依次找出整个复印纸内容中的可用区域，并进行标注。

如果将纸的打印和再生功能结合，就可以研制成“打去印一体机”，也就是将打印机功能和打印纸再生功能结合在一起的机器，不但可以打印，而且可以对打印纸进行可用区域识别和再利用。

3、打印纸可用区域识别实现

通过使用Python语言以及第三方opencv库，可以很容易地实现打印纸可用区域自动识别程序。实验结果如下。若设置可用区域最小高度为打印纸图像上30个像素高度，则程序对张复印纸的可用区域识别效果如图所示。

若可用区域最小高度设置为100个像素，程序运行可以得到可用区域如图。

对识别出的空白区域进行自动裁剪，得到的白色复印纸可以进行分类应用，可以实现有效废纸再利用。

4、打印纸可用区域识别程序

利用Python和opencv实现的代码如下：

#'''====================================
#打印纸可用区域自动识别程序
#======================================='''
import cv2 #导入opencv包
import numpy as np #
def point_is_white(point): #判断一个点是否为白色或接近白色
    for i in point:
        if i<250:
            return 0
    return 1      
def line_is_white(row,col): #判断一行点是否为白色白色
        blackpoints=0
        for i in range(0,col):
           if (point_is_white(image[row,i])==0):
               blackpoints=blackpoints+1
        if blackpoints>10:
           return 0
        else:
           return 1

def drawrec(img,row1,row2):  #按照左上角和右下角画出矩形区域
    cv2.rectangle(img, (0,row1), (col-1,row2), color=(0, 0, 255), thickness=1)


def find_effecitve_area(img,row,col):#找到有效区域
    effective_area=0
    line1=0
    for line2 in range(line1,row):
        if line_is_white(line2,col)==1:
            line2=line2+1
            if ((line2-line1)>100):
                effective_area=1
        else:
            if effective_area==1:
                drawrec(img,line1,line2)
            effective_area=0
            line2=line2+1
            line1=line2
    if (effective_area==1):
        drawrec(img,line1,line2-1)
        
img = cv2.imread("D:\\img\\img3.png")#读取图像
image = np.array(img)
row = image.shape[0]
col = image.shape[1]
find_effecitve_area(image,row,col)
cv2.imshow("EffectiveArea",image)#显示图像
cv2.waitKey(0)