使用opencv获取图像的较暗线条

我们如何去除图像中较亮的线条，而只得到较暗的线条

下图中有一个数独游戏（取自）。自适应高斯阈值提供了非常好的结果，但它也包括灰色（较轻）线

注意：我试过canny，但它也删除了数字

---

如果我先进行背景均衡，然后使用全局阈值，然后使用形态学操作（如扩张和侵蚀），我会得到最好的结果

以下示例在我的iPython笔记本中运行，使用的是python 3.4和Ubuntu 15.10上的opencv 3.1-dev：

导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
%matplotlib内联
image=cv2.imread（'sudokubig.jpg'，0）
如果图像为无：
raise VALUERROR（'找不到映像！'）
#背景均衡
最大值=np.max（图像）
backgroundRemoved=image.astype（float）
模糊=cv2.GaussianBlur（背景移除，（151151），50）
背景移除=背景移除/模糊
backgroundRemoved=（backgroundRemoved*最大值/np.max（backgroundRemoved））.astype（np.uint8）
图=plt.图（图尺寸=（20,20））
plt.subplot（311）、plt.imshow（图像“灰色”）、plt.title（“输入”）、plt.axis（“关闭”）
plt.子地块（312）、plt.imshow（背景删除，“灰色”）、plt.title（背景删除”）、plt.axis（关闭）
ret，thres=cv2.阈值（背景移除，130255，cv2.阈值）
#删除水平线
内核=np.ones（（4，1），np.uint8）
扩张1=cv2.扩张（thres，内核，迭代次数=1）
#删除垂直线
内核=np.ones（（1，4），np.uint8）
扩张（扩张1，内核，迭代次数=1）
内核=np.ones（（3，3），np.uint8）
侵蚀=cv2。侵蚀（膨胀2，内核，迭代次数=1）
plt.子地块（313），plt.imshow（侵蚀，'灰色'），plt.title（'最终'），plt.axis（'关闭'）
plt.show（）
内核=np.ones（（1，4），np.uint8）
扩张=cv2。扩张（扩张，内核，迭代次数=1）
内核=np.ones（（3，3），np.uint8）
侵蚀=cv2。侵蚀（膨胀、内核、迭代次数=1）
图=plt.图（）
plt.imshow（侵蚀，cmap='gray'），plt.title（'missmatch'））
plt.show（）

---

也许你会找到一个更聪明的方法或者更好的伴侣。我很想在这里看到您的改进，但我希望这个简短的片段能对您有所帮助。

如果我先进行背景均衡，这样我就可以使用全局阈值，然后使用形态学操作，如扩张和侵蚀，我会得到最好的结果

以下示例在我的iPython笔记本中运行，使用的是python 3.4和Ubuntu 15.10上的opencv 3.1-dev：

导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
%matplotlib内联
image=cv2.imread（'sudokubig.jpg'，0）
如果图像为无：
raise VALUERROR（'找不到映像！'）
#背景均衡
最大值=np.max（图像）
backgroundRemoved=image.astype（float）
模糊=cv2.GaussianBlur（背景移除，（151151），50）
背景移除=背景移除/模糊
backgroundRemoved=（backgroundRemoved*最大值/np.max（backgroundRemoved））.astype（np.uint8）
图=plt.图（图尺寸=（20,20））
plt.subplot（311）、plt.imshow（图像“灰色”）、plt.title（“输入”）、plt.axis（“关闭”）
plt.子地块（312）、plt.imshow（背景删除，“灰色”）、plt.title（背景删除”）、plt.axis（关闭）
ret，thres=cv2.阈值（背景移除，130255，cv2.阈值）
#删除水平线
内核=np.ones（（4，1），np.uint8）
扩张1=cv2.扩张（thres，内核，迭代次数=1）
#删除垂直线
内核=np.ones（（1，4），np.uint8）
扩张（扩张1，内核，迭代次数=1）
内核=np.ones（（3，3），np.uint8）
侵蚀=cv2。侵蚀（膨胀2，内核，迭代次数=1）
plt.子地块（313），plt.imshow（侵蚀，'灰色'），plt.title（'最终'），plt.axis（'关闭'）
plt.show（）
内核=np.ones（（1，4），np.uint8）
扩张=cv2。扩张（扩张，内核，迭代次数=1）
内核=np.ones（（3，3），np.uint8）
侵蚀=cv2。侵蚀（膨胀、内核、迭代次数=1）
图=plt.图（）
plt.imshow（侵蚀，cmap='gray'），plt.title（'missmatch'））
plt.show（）

---

也许你会找到一个更聪明的方法或者更好的伴侣。我很想在这里看到您的改进，但我希望这个简短的片段能对您有所帮助。

Wow perfect。谢谢，太好了。谢谢