使用 openCV 去除部分边框

Question

我正在使用 OpenCV 在图像中查找表格数据，以便可以在其上使用 OCR。到目前为止，我已经能够在图像中找到表格，找到表格的列，然后找到每列中的每个单元格。它工作得很好，但是我遇到了细胞壁卡在我的图像中的问题，我无法可靠地移除它们。This is one example that I'm having difficulty with.This would be another example.

我尝试了几种方法来使这些图像更好。我一直很幸运能找到轮廓。

img2gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

ret, mask = cv2.threshold(img2gray, 180, 255, cv2.THRESH_BINARY)
image_final = cv2.bitwise_and(img2gray, img2gray, mask=mask)
ret, new_img = cv2.threshold(image_final, 180, 255, cv2.THRESH_BINARY_INV)

kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 3))

# dilate , more the iteration more the dilation
dilated = cv2.dilate(new_img, kernel, iterations=3)
cv2.imwrite('../test_images/find_contours_dilated.png', dilated)

我一直在玩弄内核大小和膨胀迭代，发现这是最好的配置。

我使用的另一种方法是使用 PIL，但只有在整个图像周围的边框是统一的情况下才真正好，在我的情况下并非如此。

copy = Image.fromarray(img)
try:
    bg = Image.new(copy.mode, copy.size, copy.getpixel((0, 0)))
except:
    return None
diff = ImageChops.difference(copy, bg)
diff = ImageChops.add(diff, diff, 2.0, -100)
bbox = diff.getbbox()
if bbox:
    return np.array(copy.crop(bbox))

我尝试了其他一些想法，但没有一个能让我走得很远。任何帮助将不胜感激。

Answer 1

您可以尝试寻找轮廓并将其“绘制”出来。这意味着您可以在图像的边界上使用cv2.rectangle 手动绘制将与“墙壁”连接的边框（这将结合所有轮廓 - 墙壁）。最大的两个轮廓将是墙壁的外线和内线，您可以将轮廓绘制为白色以移除边框。然后再次应用阈值以消除其余的噪声。干杯！

例子：

import cv2
import numpy as np

# Read the image
img = cv2.imread('borders2.png')

# Get image shape
h, w, channels = img.shape

# Draw a rectangle on the border to combine the wall to one contour
cv2.rectangle(img,(0,0),(w,h),(0,0,0),2)

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

# Apply binary threshold
_, threshold = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY_INV)

# Search for contours and sort them by size
_, contours, hierarchy = cv2.findContours(threshold,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
area = sorted(contours, key=cv2.contourArea, reverse=True)

# Draw it out with white color from biggest to second biggest contour
cv2.drawContours(img, ((contours[0]),(contours[1])), -1, (255,255,255), -1)

# Apply binary threshold again to the new image to remove little noises
_, img = cv2.threshold(img, 180, 255, cv2.THRESH_BINARY)

# Display results
cv2.imshow('img', img)

结果：