Image OpenCV-从图像中删除水平点或线会导致图像质量降低
我跟随以删除图像中的水平点 此解决方案的主要思想是Image OpenCV-从图像中删除水平点或线会导致图像质量降低,image,opencv,image-processing,Image,Opencv,Image Processing,我跟随以删除图像中的水平点 此解决方案的主要思想是腐蚀图像(去除水平/垂直方向上的细小线条或圆点)和放大。但这会降低图像中字符的质量 所以我想问,是否有更好的解决方案来去除圆点,并且不丢失图像中字符的质量 原始图像: 结果: 代码: util: 如果线条与感兴趣的图形相交,则没有神奇的解决方案 但在这种情况下,它们并没有这样做,只需使用合适的兴趣区域来处理它们就足够了 例如,您可以仅检测点(top hat filter)并拟合直线。通过添加合适的边距,可以将图像分割为两个区域,可以对其应用任
腐蚀
图像(去除水平/垂直方向上的细小线条或圆点)和放大
。但这会降低图像中字符的质量
所以我想问,是否有更好的解决方案来去除圆点,并且不丢失图像中字符的质量
原始图像:
结果:
代码:
util:
如果线条与感兴趣的图形相交,则没有神奇的解决方案 但在这种情况下,它们并没有这样做,只需使用合适的兴趣区域来处理它们就足够了 例如,您可以仅检测点(top hat filter)并拟合直线。通过添加合适的边距,可以将图像分割为两个区域,可以对其应用任何处理 例如,在下图中,下部已通过1x5垂直扩张进行清洁。您可以猜测分割边的设置位置
无论如何,这里有一个严重的问题:您需要完全去除虚线吗?您可以使用
cv2.bitwise
操作仅通过屏蔽线区域来删除线。删除线条后,可以使用cv2.inpaint
方法填充白色像素。您想看一看是的,有时是实线。有时线条会与字符交叉。实线/虚线似乎会降低识别率。你能首先给出一些示例代码吗?边距是多少?如何添加它?我找到了直线,但不知道如何添加你提到的边距。@tom:两个或三个像素。
import util
import cv2
grayImage = cv2.imread("00.jpg", 0)
h = float(grayImage.shape[0])
maxVal = 255
blockSize = 15
C = 12.0*(90.0/h)
print("C:" + str(C))
showImages = []
bw = cv2.adaptiveThreshold(grayImage, maxVal, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, blockSize, C)
bw = ~bw
showImages.append(grayImage.copy())
showImages.append(bw.copy())
vertical = bw.copy()
# Specify size on vertical axis
# verticalsize = vertical.shape[0] / 20
verticalsize = 4
# 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, None, (-1,-1))
showImages.append(vertical.copy())
vertical = cv2.dilate(vertical, verticalStructure, None, (-1,-1))
showImages.append(vertical.copy())
util.showOpenCVImagesGrid(showImages, 2, 2, titles=["grayImage", "adaptiveThreshold", "after erode", "after dilate"])
import cv2
import matplotlib.pyplot as plt
def showOpenCVImagesGrid(images, x, y, titles=None, axis="on"):
fig = plt.figure()
i = 1
for item in images:
image = None
title = None
if type(images) is list:
image = item
if titles is not None:
title = titles[i - 1]
elif type(images) is dict:
image = images[item]
title = item
if image is None:
i += 1
continue
copy = image.copy()
channel = len(copy.shape)
cmap = None
if channel == 2:
cmap = "gray"
elif channel == 3:
copy = cv2.cvtColor(copy, cv2.COLOR_BGR2RGB)
elif channel == 4:
copy = cv2.cvtColor(copy, cv2.COLOR_BGRA2RGBA)
fig.add_subplot(x, y, i)
plt.title(title)
plt.axis(axis)
plt.imshow(copy, cmap=cmap)
i += 1
plt.show()