Algorithm HSV颜色删除/表单退出字段
我正在写一个从表单图像中删除某些字段边界的系统。 字段中可能有手写内容，即使手写内容跨越字段边界，我也需要正确保留这些内容 我有两张图像：一张彩色图像（转换为HSV颜色空间）和一张黑白图像，每像素一行（这些图像由扫描仪生成） 我想从黑白图像中删除（提取）字段边界像素，因为 彩色图像中的颜色 我有一个优势，因为我事先知道场地的确切位置 字段边界线的宽度/高度 我当前的实现包括（针对每个字段），扫描彩色图像上的字段边框，并计算该字段边框的平均HSV值（因为我确切知道字段边框的位置，所以我只访问“字段边框”像素，但我也可以访问一些手写像素，如果它们穿过字段边界，其想法是它们不会使平均值倾斜太多）。一旦我有了场边界的“平均”HSV值，我再次扫描场边界，并为每个像素计算以下增量函数： 如果“当前”像素和平均HSV之间的增量值小于0.07（根据经验发现），则我将像素设置为白色（颜色相近），否则我将像素保持为黑色 以下是一些字段示例： 彩色图像： 黑白图像未退出： 方程式中未使用饱和度的已删除黑白图像： 实际丢失的黑白图像和完整使用的公式（使用所有3个分量H、S和V） 我用来获取第三张退出图像的公式是上面的公式，但是 我把饱和度排除在等式之外（我只是在玩弄东西）。Algorithm HSV颜色删除/表单退出字段,algorithm,colors,computer-vision,imaging,document-imaging,Algorithm,Colors,Computer Vision,Imaging,Document Imaging,我正在写一个从表单图像中删除某些字段边界的系统。 字段中可能有手写内容，即使手写内容跨越字段边界，我也需要正确保留这些内容 我有两张图像：一张彩色图像（转换为HSV颜色空间）和一张黑白图像，每像素一行（这些图像由扫描仪生成） 我想从黑白图像中删除（提取）字段边界像素，因为 彩色图像中的颜色 我有一个优势，因为我事先知道场地的确切位置 字段边界线的宽度/高度 我当前的实现包括（针对每个字段），扫描彩色图像上的字段边框，并计算该字段边框的平均HSV值（因为我确切知道字段边框的位置，所以我只访问“字段
这显然不够精致，无法改变颜色，但配方非常简单 对饱和度变化敏感（这主要是由JPEG压缩伪影引起的 存在于图像中的（示例工件）： 我认为第四个例子是最好的，因为它对颜色变化非常敏感，所以 你不太可能删除笔迹，但问题是你更容易删除笔迹 由于简单的扫描或压缩造成的轻微色差而拾取边框 人工制品 你有什么想法来缓解一些颜色（饱和度）的变化 在字段边界内，是否使用直方图？其中涉及一些量化以 减少垃圾箱的数量 我想听听人们有什么想法
谢谢。如果你将机器学习技术应用到这个问题上，你可能会得到一些好的结果 例如，如果您想将图像中的每个像素标记为场边界或非场边界，您可以尝试手动标记一些图像中的像素，计算一系列特征（您目前仅使用颜色，但我认为定向渐变也可能会提供一些好的结果）并将所有内容都转储到支持向量机（SVM）中
OpenCV提供了支持向量机和基于梯度的特征（描述符）的实现，如果您熟悉C++或Python：
或者，Matlab提供了训练支持向量机和计算梯度特征的代码。我不确定我是否完全理解您在这里的优先级-第三个图像在我看来非常好（比第四个图像好得多）。我确实注意到第一个“S”的底部有一个间隙 在任何情况下，当你知道边界的位置并且正在扫描这些像素时，我建议为它们编辑H、S和V的统计数据。对于S和V，我想你可以只计算平均值和标准偏差。由于角度的环绕性质，色调更复杂，而且它可以是未定义的。你可以量化并找到模型e（或窗口加权模式）。您可以对方框中的非白色内容执行相同的操作，以便量化笔划与方框像素的性质。若要缩小分布范围，您可以将x SD之外的任何像素作为离群值丢弃，并重新计算平均值和SD。从这一点开始，您可以简单地根据其概率分布对像素进行分类更接近内在 这方面的优化包括：
- 忽略低饱和度的H分量
- 不确定时，如果靠近已知边界位置，则偏向边界
- 当不确定时，如果相邻像素已被分类为笔划，则运行第二遍，偏向笔划