Image processing 使用scikit图像将图像缩减为文本内容

这是我想从中取出文本的图像

如何去除黑色边框并将图像缩小到50

我采取的办法：

我尝试使用角点检测器（corner peak和corner harris），从左侧拾取前2个坐标，从右侧拾取最后2个坐标

使用这4个坐标，我裁剪了图像，并在所有边上进一步减少了5

---

这肯定不是一个有效的方法。我也看了几段也。没能把它弄对。我正在使用scikit图像来解决此问题。

使用角点可能不起作用，因为角点也可能以字符形式出现

下面是我使用hough线尝试的内容，如下所述：

1） 首先腐蚀图像，以最小化线条和字符之间的间隙

2） 使用Hough直线检测算法检测和删除直线

3） 放大图像以获得清晰的字符

4） 现在我们将字符和行分隔开，因此我们可以通过查找连接的组件来删除行

以下是Python中的代码实现：

img = cv2.imread('D:\Image\st1.png',0)
ret, thresh = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY_INV)

#dilate the image to reduce gap between characters and lines and get hough lines correctly
kernel = np.ones((3,3),np.uint8)
erosion = cv2.erode(thresh,kernel,iterations = 1)

#find canny edge image
canny = cv2.Canny(erosion,100,200)

minLineLength=img.shape[1]/4
lines = cv2.HoughLinesP(image=canny,rho=0.02,theta=np.pi/500, threshold=10,lines=np.array([]), minLineLength=minLineLength,maxLineGap=10)

a,b,c = lines.shape
# delete the lines
for i in range(a):
    cv2.line(erosion, (lines[i][0][0], lines[i][0][1]), (lines[i][0][2], lines[i][0][3]), 0, 3, cv2.LINE_AA)

#erode the image 
kernel = np.ones((3,3),np.uint8)
erosion = cv2.dilate(erosion, kernel, iterations=1)

# find connected components
connectivity = 4
nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(erosion, connectivity, cv2.CV_32S)
sizes = stats[1:, -1]; nb_components = nb_components - 1
min_size = 250 #threshhold value for lines length 
img2 = np.zeros((output.shape), np.uint8)
for i in range(0, nb_components):
    if sizes[i] >= min_size:
        img2[output == i + 1] = 255 #delete the line components

img = cv2.bitwise_not(img2)

输出图像：