Image processing 我应该使用什么处理步骤来清理线条图的照片？

我通常使用的100%对比度和一些亮度调整来调整截止点的方法，通常可以很好地清理小型子电路或方程式的照片，以便发布在E&R.SE上，但有时效果不太好，如下图所示：

除了对比（或替代）之外，我还可以使用哪些方法来提供更一致的输出

我希望得到一个相当一般的答案，但我可能会使用ImageMagick和/或PIL（Python）在脚本中实现它（我可以将文件转储到脚本中），因此如果您有任何特定于它们的内容，我将非常欢迎

理想情况下，一个更好的源图像会更好，但我偶尔会在其他人的图像上使用它来添加一些润色。

怎么样？那应该能找到线条图

以下是图像上Sobel边缘检测的结果：

如果然后对图像设置阈值（使用经验确定的阈值或），则可以使用（例如，膨胀和侵蚀）清理图像。这将帮助你摆脱断线/双线

正如Lambert指出的，如果不希望网格线出现在结果中，可以使用蓝色通道对图像进行预处理，以去除网格线

---

如果在成像之前均匀地照亮页面（或仅使用扫描仪），您也将获得更好的效果，因为这样您就不必担心全局阈值和局部阈值。

第一步是在考虑白平衡问题的同时均衡图像中的光照差异。这里的理论是，有限区域内图像最亮的部分代表白色。通过预先模糊图像，我们消除了图像中噪声的影响

from PIL import Image
from PIL import ImageFilter
im = Image.open(r'c:\temp\temp.png')
white = im.filter(ImageFilter.BLUR).filter(ImageFilter.MaxFilter(15))

下一步是从RGB输入创建灰度图像。通过缩放到白点，我们可以纠正白平衡问题。通过取R，G，B的最大值，我们不强调任何非纯灰色的颜色，例如网格中的蓝线。这里给出的第一行代码是一个伪代码，用于创建正确大小和格式的图像

grey = im.convert('L')
width,height = im.size
impix = im.load()
whitepix = white.load()
greypix = grey.load()
for y in range(height):
    for x in range(width):
        greypix[x,y] = min(255, max(255 * impix[x,y][0] / whitepix[x,y][0], 255 * impix[x,y][1] / whitepix[x,y][1], 255 * impix[x,y][2] / whitepix[x,y][2]))

这些操作的结果是图像的值基本一致，可以通过简单的阈值转换为黑白。

---

编辑：很高兴看到一些竞争。他提出了一种非常类似的方法，使用减法而不是缩放来消除白电平的变化。我的方法增加了光线不足区域的对比度，而nikie的方法没有——你更喜欢哪种方法取决于光线不足区域是否有你希望保留的信息

我尝试重新创建此方法的结果是：

for y in range(height):
    for x in range(width):
        greypix[x,y] = min(255, max(255 + impix[x,y][0] - whitepix[x,y][0], 255 + impix[x,y][1] - whitepix[x,y][1], 255 + impix[x,y][2] - whitepix[x,y][2]))

---

我正在研究一种技术组合，以提供更好的结果，但它还没有完全准备好。

消除不同背景照明的一种常见方法是从图像中逐个计算“白色图像”

from PIL import Image
from PIL import ImageFilter
im = Image.open(r'c:\temp\temp.png')
white = im.filter(ImageFilter.BLUR).filter(ImageFilter.MaxFilter(15))

在这个倍频程代码示例中，我使用了图像的蓝色通道，因为背景中的线条在此通道中最不突出（编辑：：使用圆形结构元素产生的视觉伪影少于简单的方框）：

结果:

然后从源图像中减去：

background_subtracted = opened-blue;

（对比增强版）

最后，我将使用固定阈值对图像进行二值化：

binary = background_subtracted < 35;

binary=background\u减去<35；

---

颜色怎么样？我对图像处理不太熟悉，但如果你删除了某个蓝色范围内的所有内容，网格就会被删除。只是“竞赛”中的一条评论：你的建议和我的建议之间的主要区别是，你使用的是（高斯？）模糊过滤器，然后是最大过滤器（=膨胀）。矿山使用形态开口，使大规模梯度几乎保持不变。问题是，PIL不包含形态过滤器（或者我没有找到它们）。我在for循环上得到了索引超出范围的错误。[x，y]之后的4,5,7,8,9,10指数是什么意思？@DeepakGarud问得好！我以为我粘贴了我用过的代码，但那看起来肯定是错的。很难记得我在将近8年前做了什么。