【发布时间】：2018-07-07 13:20:15
【问题描述】：
我正在开发一个项目，该项目允许用户拍摄手写公式的照片并将其发送到我的服务器。我只想留下与数学相关的符号，而不是表格。
示例照片：
注意： 我希望我的算法能够处理任何颜色的表格网格。
任何代码 sn-ps 将不胜感激。 提前致谢。
【问题讨论】：
标签： python opencv image-processing scikit-image
【发布时间】：2018-07-07 13:20:15
【问题描述】：
OpenCV 有一个处理从图像中删除网格的教程：
“使用形态学操作提取水平和垂直线”，OpenCV 文档， 来源：https://docs.opencv.org/master/dd/dd7/tutorial_morph_lines_detection.html
【讨论】：
-
您能否将链接资源的相关部分包含在您的答案中？照原样，您的答案很容易受到链接失效的影响（即，如果链接的资源更改或消失，您的答案就没有帮助）。
-
我唯一的问题是分数栏也会被删除（在提取水平线时）。
-
有没有办法保存分数条？
这是一项相当艰巨的任务。我也有这个问题，我发现解决方案不能 100% 准确。顺便说一句，就在几天前，我看到了this link。也许它会有所帮助。
【讨论】：
这是一个具有挑战性的问题，在不确切知道预期什么样的纸张/线条和墨水组合以及输出将用于什么的情况下进行概括。我想我会尝试一下，也许会学到一些东西。
我看到了解决这个问题的两种方法：
聪明的方法：识别网格、它的颜色、方向、大小以找到它所占据的图像区域，以便忽略它。这里有需要解决的主要警告。例如页面可能不是平面和方形的（必须考虑翘曲、扭曲、旋转）。还有一些我们不想删除的行。
简单的方法：应用一般的图像处理，除了假设笔总是比网格更暗，并且输出是二进制（黑笔/白页）之外，对问题知之甚少。
我更喜欢第二个，因为它更容易实现和更好地概括。
我们首先注意到页面的“白色”实际上是一种不均匀的灰色阴影（如果我们转换为灰度）。 CV 自适应阈值处理很好地处理了这个问题。它几乎可以让我们到达那里。
以下代码将图像处理为 50x50 像素块，以解决光照不均匀的问题。在每个块中，我们在应用阈值之前减去中值。一个简单的解决方案，但也许是您需要的。我还没有在很多图像上测试过它，阈值和预处理和后处理可能需要调整。如果输入图像变化很大，或者网格相对于墨水而言太暗，它将无法工作。
import cv2
import numpy
import sys
BLOCK_SIZE = 50
THRESHOLD = 25
def preprocess(image):
image = cv2.medianBlur(image, 3)
image = cv2.GaussianBlur(image, (3, 3), 0)
return 255 - image
def postprocess(image):
image = cv2.medianBlur(image, 5)
# image = cv2.medianBlur(image, 5)
# kernel = numpy.ones((3,3), numpy.uint8)
# image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
return image
def get_block_index(image_shape, yx, block_size):
y = numpy.arange(max(0, yx[0]-block_size), min(image_shape[0], yx[0]+block_size))
x = numpy.arange(max(0, yx[1]-block_size), min(image_shape[1], yx[1]+block_size))
return numpy.meshgrid(y, x)
def adaptive_median_threshold(img_in):
med = numpy.median(img_in)
img_out = numpy.zeros_like(img_in)
img_out[img_in - med < THRESHOLD] = 255
return img_out
def block_image_process(image, block_size):
out_image = numpy.zeros_like(image)
for row in range(0, image.shape[0], block_size):
for col in range(0, image.shape[1], block_size):
idx = (row, col)
block_idx = get_block_index(image.shape, idx, block_size)
out_image[block_idx] = adaptive_median_threshold(image[block_idx])
return out_image
def process_image_file(filename):
image_in = cv2.cvtColor(cv2.imread(filename), cv2.COLOR_BGR2GRAY)
image_in = preprocess(image_in)
image_out = block_image_process(image_in, BLOCK_SIZE)
image_out = postprocess(image_out)
cv2.imwrite('bin_' + filename, image_out)
if __name__ == "__main__":
process_image_file(sys.argv[1])
【讨论】：