我需要使用 Python CV 删除图像多个部分中的变黑部分。 我尝试了去噪，但效果不佳。
例如。我需要删除表头（下图）中的黑色部分，并将表头背景转换为白色，内容为黑色。
谁能帮我选择正确的库或解决方案来克服这个问题？
【问题讨论】：
标签： python opencv image-processing deep-learning python-imaging-library
如您所见，虚线图案很难过滤。它显然与文本重叠。我看到至少有两种选择：1）利用模式的周期性特性并执行频率过滤。 2) 尝试一种更简单的方法，对目标像素使用形态命中或未命中操作，旨在隔离它们。
让我们看看选项 2。噪声具有非常独特的模式。如果您使用所有斑点都以白色着色的二进制图像，您正在寻找的图案是一个白色像素 (1) 被 8 个黑色像素 (0) 包围>：
[ 0, 0, 0 ]
[ 0, 1, 0 ]
[ 0, 0, 0 ]
命中和未命中操作可用于定位和隔离像素模式。 Here's 如果您想了解更多信息，这是一篇好文章。现在，让我们处理代码：
//Read the input image, as normal:
std::string imagePath = "C://opencvImages//tableTest.png";
cv::Mat testImage = cv::readImage( imagePath );
//Convert the image to grayscale:
cv::Mat grayImage;
cv::cvtColor( testImage, grayImage, cv::COLOR_BGR2GRAY );
//Get the binary image via otsu:
cv::Mat binaryImage;
cv::threshold( grayImage, binaryImage, 0, 255,cv::THRESH_OTSU );
//Invert the image, as we will be working on white blobs:
binaryImage = 255 - binaryImage;
//Prepare the target kernel. This is where you define the pattern of
//pixels you are looking for
//Keep in mind that -1 -> black and 1 -> white
cv::Mat kernel = ( cv::Mat_<int>(3, 3) <<
-1, -1, -1,
-1, 1, -1,
-1, -1, -1
);
//perform the hit or miss operation:
cv::Mat hitMissMask;
cv::morphologyEx( binaryImage, hitMissMask, cv::MORPH_HITMISS, kernel );
这是你得到的面具：
现在，只需将此蒙版减去原始（二进制）图像即可得到：
如您所见，部分列标题妨碍了操作。如果您想要白色背景和黑色斑点，只需反转图像：
【讨论】：
这是@eldesgraciado 方法的修改版本，该方法在 Python 中使用对目标像素的形态命中或未命中操作来过滤虚线图案。不同之处在于，我们不是用降低文本质量的二值图像减去掩码，而是按位扩展二值图像并保留文本质量。
获取二值图像。加载图像，灰度，Otsu's threshold
执行形态学命中或未命中操作。我们使用cv2.getStructuringElement 创建一个点模式内核，然后使用cv2.filter2D 对图像进行卷积
去除点。我们cv2.bitwise-xor带有二值图像的蒙版
修复损坏的文本像素。我们cv2.dilate 然后cv2.bitwise_and 将输入图像和背景像素设置为白色的最终蒙版
二值图像
点掩码
去除点
扩张以修复阈值处理过程中损坏的文本像素
结果
代码
import cv2
import numpy as np
# Load image, grayscale, Otsu's threshold
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# Perform morphological hit or miss operation
kernel = np.array([[-1,-1,-1], [-1,1,-1], [-1,-1,-1]])
dot_mask = cv2.filter2D(thresh, -1, kernel)
# Bitwise-xor mask with binary image to remove dots
result = cv2.bitwise_xor(thresh, dot_mask)
# Dilate to fix damaged text pixels
# since the text quality has decreased from thresholding
# then bitwise-and with input image
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
dilate = cv2.dilate(result, kernel, iterations=1)
result = cv2.bitwise_and(image, image, mask=dilate)
result[dilate==0] = [255,255,255]
cv2.imshow('dot_mask', dot_mask)
cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.imshow('dilate', dilate)
cv2.waitKey()
【讨论】：