使用 Opencv 屏蔽水平线和垂直线

Question

我正在尝试删除此图像中的水平线和垂直线，以便拥有更多不同的文本区域。

我正在使用下面的代码，它遵循guide

image = cv2.imread('image.jpg')
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(
                    blurred, 255,
                    cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY_INV,
                    25,
                    15
                )
# Create the images that will use to extract the horizontal and vertical lines
horizontal = np.copy(thresh)
vertical = np.copy(thresh)

# Specify size on horizontal axis
cols = horizontal.shape[1]
horizontal_size = math.ceil(cols / 20)

# Create structure element for extracting horizontal lines through morphology operations
horizontalStructure = cv2.getStructuringElement(cv2.MORPH_RECT, (horizontal_size, 1))

# Apply morphology operations
horizontal = cv2.erode(horizontal, horizontalStructure)
horizontal = cv2.dilate(horizontal, horizontalStructure)

# Show extracted horizontal lines
cv2.imwrite("horizontal.jpg", horizontal)

# Specify size on vertical axis
rows = vertical.shape[0]
verticalsize = math.ceil(rows / 20)

# Create structure element for extracting vertical lines through morphology operations
verticalStructure = cv2.getStructuringElement(cv2.MORPH_RECT, (1, verticalsize))

# Apply morphology operations
vertical = cv2.erode(vertical, verticalStructure)
vertical = cv2.dilate(vertical, verticalStructure)

在此之后，我知道我需要隔离线条并用白线掩盖原始图像，但是我不确定如何继续。

有人有什么建议吗？

Answer 1

Jeru's answer 已经给了你你想要的。但我想添加一个可能比您目前所拥有的更通用的替代方案。

您正在将彩色图像转换为灰度值，然后应用自适应阈值以尝试查找线条。您对其进行过滤以仅获得较长的水平和垂直线，然后使用该蒙版在这些位置将原始图像涂成白色。

在这里，我们查找所有线条，然后将它们从图像中移除，然后用周围的颜色绘制它们。这个过程完全不涉及阈值，所有形态学操作都应用于彩色图像的通道。

理想情况下，我们会使用颜色形态，但这种实现很少见。数学形态学基于最大值和最小值运算，颜色三元组（即向量）的最大值或最小值没有明确定义。

因此，我们将以下过程分别应用于三个颜色通道中的每一个。这应该会产生对这个应用程序来说足够好的结果：

1. 提取红色通道：获取input RGB 图像，并提取第一个通道。这是一张灰度图像。我们将此图像称为channel。

2. 应用顶帽过滤器来检测细结构：应用到 channel 和 channel（a关闭是膨胀，然后是具有相同 SE 的腐蚀，您也可以使用它来查找线）。我们将此输出称为thin。 thin = closing(channel)-channel。此步骤类似于您的本地阈值，但未应用实际阈值。由此产生的强度表明线条的深浅程度。背景。如果您将thin 添加到channel，您将填充这些薄结构。这里 SE 的大小决定了什么是“瘦”。

3. 过滤掉短线，只保留长线： 将具有长水平 SE 的开口应用于 thin，将具有长垂直 SE 的开口应用于 @987654334 @，取两个结果中的最大值。我们称之为lines。请注意，这与您用于生成horizontal 和vertical 的过程相同。我们没有按照 Jeru 的建议将它们加在一起，而是取最大值。这使得输出强度仍然与channel 中的对比度相匹配。 （用数学形态学的说法，开口的上界是一个开口）。这里的 SE 长度决定了什么长度足以成为一条线。

4. 填写原始图像通道中的行：现在只需将lines 添加到channel。将结果写入输出图像的第一个通道。

5. 对其他两个通道重复相同的过程。

使用PyDIP 这是一个非常简单的脚本：

import PyDIP as dip

input = dip.ImageReadTIFF('/home/cris/tmp/T4tbM.tif')
output = input.Copy()

for ii in range(0,3):
   channel = output.TensorElement(ii)
   thin = dip.Closing(channel, dip.SE(5, 'rectangular')) - channel
   vertical = dip.Opening(thin, dip.SE([100,1], 'rectangular'))
   horizontal = dip.Opening(thin, dip.SE([1,100], 'rectangular'))
   lines = dip.Supremum(vertical,horizontal)
   channel += lines # overwrites output image

编辑：

当增加第一个 SE 的大小时，上面设置为 5，大到足以移除示例图像中间较粗的灰色条，导致包含反转文本“POWERLIFTING”的块的一部分留在thin。

为了过滤掉这些部分，我们可以改变thin的定义如下：

notthin = dip.Closing(channel, dip.SE(11, 'rectangular'), ["add max"]))
notthin = dip.MorphologicalReconstruction(notthin, channel, 1, "erosion")
thin = notthin - channel

也就是说，我们用thin=reconstruct(closing(channel))-channel 代替thin=closing(channel)-channel。重建只是扩展选定的（不是薄的）结构，以便选择结构的一部分，现在选择完整的结构。现在thin 中唯一的内容是未连接到较厚结构的线。

我还添加了"add max" 作为边界条件 - 这会导致关闭以白色扩大图像外部的区域，因此将图像边缘的线条视为线条。

Answer 2

详细说明这里是做什么：

• 首先，添加vertical 和horizontal 的结果图像。这将为您提供包含水平线和垂直线的图像。由于这两个图像的类型都是uint8（无符号 8 位整数），因此添加它们不会有问题：

res = vertical + horizontal

• 最后，用原始的 3 通道图像对上面得到的结果图像进行遮罩。这可以使用cv2.bitwise_and 来完成：

fin = cv2.bitwise_and(image, image, mask = cv2.bitwise_not(res))

Answer 3

删除水平线的示例。

示例图片：

import cv2
import numpy as np

img = cv2.imread("Image path", 0)

if len(img.shape) != 2:
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
    gray = img

gray = cv2.bitwise_not(gray)
bw = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, 
cv2.THRESH_BINARY, 15, -2)

horizontal = np.copy(bw)

cols = horizontal.shape[1]
horizontal_size = cols // 30

horizontalStructure = cv2.getStructuringElement(cv2.MORPH_RECT, (horizontal_size, 1))

horizontal = cv2.erode(horizontal, horizontalStructure)
horizontal = cv2.dilate(horizontal, horizontalStructure)

cv2.imwrite("horizontal_lines_extracted.png", horizontal)

horizontal_inv = cv2.bitwise_not(horizontal)
cv2.imwrite("inverse_extracted.png", horizontal_inv)

masked_img = cv2.bitwise_and(gray, gray, mask=horizontal_inv)
masked_img_inv = cv2.bitwise_not(masked_img)

cv2.imwrite("masked_img.jpg", masked_img_inv)

=> 水平线提取.png：

=> inverse_extracted.png

=> masked_img.png(屏蔽后的结果)

Answer 4

你想要这样的东西吗？

image = cv2.imread('image.jpg', cv2.IMREAD_UNCHANGED);

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

ret,binary = cv2.threshold(gray, 170, 255, cv2.THRESH_BINARY)#|cv2.THRESH_OTSU)

V = cv2.Sobel(binary, cv2.CV_8U, dx=1, dy=0)
H = cv2.Sobel(binary, cv2.CV_8U, dx=0, dy=1)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
V = cv2.morphologyEx(V, cv2.MORPH_DILATE, kernel, iterations = 2)
H = cv2.morphologyEx(H, cv2.MORPH_DILATE, kernel, iterations = 2)

rows,cols = image.shape[:2]

mask = np.zeros(image.shape[:2], dtype=np.uint8)

contours = cv2.findContours(V, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]
for cnt in contours:
    (x,y,w,h) = cv2.boundingRect(cnt)
    # manipulate these values to change accuracy
    if h > rows/2 and w < 10:
        cv2.drawContours(mask, [cnt], -1, 255,-1)

contours = cv2.findContours(H, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]
for cnt in contours:
    (x,y,w,h) = cv2.boundingRect(cnt)
    # manipulate these values to change accuracy
    if w > cols/2 and h < 10:
        cv2.drawContours(mask, [cnt], -1, 255,-1)

mask = cv2.morphologyEx(mask, cv2.MORPH_DILATE, kernel, iterations = 2)
image[mask == 255] = (255,255,255)

Answer 5

所以我通过使用 Juke 的部分建议找到了解决方案。最终我需要继续使用二进制模式处理图像，所以我想我可能会保持这种方式。

首先，添加vertical 和horizontal 的结果图像。这将为您提供包含水平线和垂直线的图像。由于两个图像都是 uint8 类型（无符号 8 位整数），因此添加它们不会有问题：

res = vertical + horizontal

然后，从原始输入图像tresh 中减去res，用于查找线条。这将删除白线，然后可以用于应用其他一些形态学变换。

fin = thresh - res