如何在 Python 中使用 OpenCV 检测以上行的文本

Question

我有兴趣检测线条（我设法使用霍夫变换弄清楚）及其上方的文本。

我的测试图片如下：

我写的代码如下。 （我已经编辑，以便我可以遍历每一行的坐标）

import cv2
import numpy as np

img=cv2.imread('test3.jpg')
#img=cv2.resize(img,(500,500))
imgGray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgEdges=cv2.Canny(imgGray,100,250)
imgLines= cv2.HoughLinesP(imgEdges,1,np.pi/180,230, minLineLength = 700, maxLineGap = 100)
imgLinesList= list(imgLines)

a,b,c=imgLines.shape
line_coords_list = []
for i in range(a):
    line_coords_list.append([(int(imgLines[i][0][0]), int(imgLines[i][0][1])), (int(imgLines[i][0][2]), int(imgLines[i][0][3]))])

print(line_coords_list)#[[(85, 523), (964, 523)], [(85, 115), (964, 115)], [(85, 360), (964, 360)], [(85, 441), (964, 441)], [(85, 278), (964, 278)], [(85, 197), (964, 197)]]

roi= img[int(line_coords_list[0][0][1]): int(line_coords_list[0][1][1]), int(line_coords_list[0][0][0]) : int(line_coords_list[0][1][0])]
print(roi) # why does this print an empty list?
cv2.imshow('Roi NEW',roi) 

现在我只是不知道如何检测这些线上方的感兴趣区域。是否可以说裁剪每一行并让图像说 roi_1 ， roi_2 ， roi_n ，其中每个 roi 是第一行上方的文本，第二行上方的文本等？

我希望输出是这样的。

Answer 1

您已检测到线路。现在您必须使用y 坐标将图像分割成线条之间的区域，然后在白色背景（纸张）上搜索黑色像素（文字）。

沿x 和y 轴构建直方图可能会为您提供您正在寻找的感兴趣区域。

---

只是为了回答您在 cmets 中的问题，例如，如果您有一个图像 img 和感兴趣的区域，y 坐标 (100,200) 跨越图像的整个宽度，您可以裁剪该区域并在那里搜索任何类似的东西：

cropped = img[100:200,5:-5]  # crop a few pixels off in x-direction just in case

现在搜索：

top, left = 10000, 10000
bottom, right = 0, 0
for i in range(cropped.shape[0]) :
    for j in range(cropped.shape[1]) :
        if cropped[i][j] < 200 :    # black?
            top = min( i, top)
            bottom = max( i, bottom)
            left = min( j, left)
            right = max( j, right)

或者类似的东西......

Answer 2

这是在 Python/OpenCV 中执行此操作的一种方法。

• 读取输入
• 转换为灰色
• 阈值 (OTSU)，使文本在黑色背景上显示为白色
• 应用形态扩张和水平内核来模糊一行中的文本
• 应用具有垂直内核的开放形态以去除虚线中的细线
• 获取轮廓
• 找到具有最低 Y 边界框值的轮廓（最顶部的框）
• 在输入上绘制除最上面的所有边界框
• 保存结果

输入：

import cv2
import numpy as np

# load image
img = cv2.imread("text_above_lines.jpg")

# convert to gray
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# threshold the grayscale image
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# use morphology erode to blur horizontally
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (151, 3))
morph = cv2.morphologyEx(thresh, cv2.MORPH_DILATE, kernel)

# use morphology open to remove thin lines from dotted lines
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 17))
morph = cv2.morphologyEx(morph, cv2.MORPH_OPEN, kernel)

# find contours
cntrs = cv2.findContours(morph, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cntrs = cntrs[0] if len(cntrs) == 2 else cntrs[1]

# find the topmost box
ythresh = 1000000
for c in cntrs:
    box = cv2.boundingRect(c)
    x,y,w,h = box
    if y < ythresh:
        topbox = box
        ythresh = y

# Draw contours excluding the topmost box
result = img.copy()
for c in cntrs:
    box = cv2.boundingRect(c)
    if box != topbox:
        x,y,w,h = box
        cv2.rectangle(result, (x, y), (x+w, y+h), (0, 0, 255), 2)

# write result to disk
cv2.imwrite("text_above_lines_threshold.png", thresh)
cv2.imwrite("text_above_lines_morph.png", morph)
cv2.imwrite("text_above_lines_lines.jpg", result)

#cv2.imshow("GRAY", gray)
cv2.imshow("THRESH", thresh)
cv2.imshow("MORPH", morph)
cv2.imshow("RESULT", result)
cv2.waitKey(0)
cv2.destroyAllWindows()

阈值图像：

形态图像：

结果：