使用python对表格图像中的内部表进行计数

我得到了一个图像（一个矩形的表格），它又被分成了一些内部表格。问题是使用python获取这些内部表的计数。有人能告诉我怎么做吗？检查下面的示例图像

图像示例

---

我需要获得count=78个表

您可以将图像转换为二进制，计算图像行上的像素强度之和，并计算其中的峰值，然后计算图像列上的像素强度之和，并计算其中的峰值。这是图像中水平线和垂直线的数量。然后N=（水平线的数量-1）*（垂直线的数量-1）

示例代码（使用and）：

来自PIL导入映像的

>>
>>>将numpy作为np导入
>>>im=np.array（Image.open（'cJyt5.png'）。convert（'L'））
>>>阈值=np.直方图（im，2）[1][1]
>>>im2=im<阈值
>>>垂直线=总和（np.平均值（im2，轴=0）>0.5）
>>>水平线=总和（np.平均值（im2，轴=1）>0.5）
>>>（垂直线-1）*（水平线-1）
78

如果线条超过1像素厚，则需要稍微更改代码，以不考虑

np.mean（…）>0.5

中的多个连续

True

值

---

一个简单的技巧是做

sum（np.max（0，np.diff（np.mean（…）>0.5））

来计算从

False

到

True

的变化次数。（未经测试）

我提出了一个适用于您的示例图像的解决方案，但我不能保证它适用于其他人，因为它未经测试，可能很脆弱

说明：

通过将所有非白色值设置为0，将所有白色值设置为1，将图像转换为二进制

查找同时包含0和1的第一条水平和垂直像素线

计算该行中值为0的“挤压”像素数，然后减去1

将步骤3中的水平线值乘以步骤3中的垂直线值，得到单元数

依赖项：

• PIL（

  pip安装枕

  ）

执行：

python main.py./path/to/grid.png

---

从集合导入计数器
从itertools导入dropwhile，groupby
导入系统
从PIL导入图像
def将_转换为_二进制（im）：
#首先转换为8位值，然后转换为二进制值。
返回im.convert（'L'）.point（如果v<255，则lambda v:0，否则为1，模式为1'））
定义第一个交点（像素2d）：
#如果它只有一个像素值，它就是一个边框
返回下一个（dropwhile（lambda x:len（set（x））==1，像素2d））
def单元_相交（像素1d）：
#计算非连续0的数量并减去1。
返回计数器（[g[0]表示groupby中的g（像素1d）]）[0]-1
def转置（lst）：
返回列表（地图（列表，邮政编码（*lst）））
def重塑E2D（lst，尺寸）：
为范围（0，len（lst），size）中的i返回[lst[i:i+size]
def main（）：
使用Image.open（sys.argv[1]）作为img：
bin\u data=list（将\u转换为\u二进制（img）.getdata（））
断言（已排序（计数器（bin_数据）.values（））==
已排序（计数器（img.getdata（））.values（））
bin_lst=重塑2D（bin_数据，img.宽度）
水平=第一个交叉点（bin\u lst）
垂直=第一个交叉点（换位（本底））
打印（单元格相交（水平）*单元格相交（垂直））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

@RRSS完成。现在请考虑投票/接受答案。谢谢感谢@fferri提供的sol。它可以在给定的图像和小比例图像上工作，但在大比例图像上无法工作，即使按照您的建议进行了少量更改。（大比例尺意味着图像是由相机实时拍摄的）哦，恐怕你的问题是关于在你的计算机生成的图像中用1像素粗线识别表格。您可以很容易地绕过该限制，但它肯定不适用于非直线非轴对齐线。对于来自摄影机的图像，我建议使用opencv，尤其是对输入图像应用hough变换。打开另一个问题，我将在那里回答。@RRSS请记住包含您要识别的图像的实际示例，即来自摄影机的图像。我在这一点上遇到了一些错误“断言（已排序（计数器（bin_数据）。值（））==已排序（计数器（img.getdata（））。值（）”，它表示“断言错误”。该错误是否发生在示例图像中？如果在断言之前创建计数器并打印出内容，您会得到什么？这是我得到的：

Counter（{1:95882，0:7203}）Counter（{（255，255，255，255）：95882，（218，220，221，255）：7203}）

>>> from PIL import Image
>>> import numpy as np
>>> im = np.array(Image.open('cJyt5.png').convert('L'))
>>> threshold = np.histogram(im, 2)[1][1]
>>> im2 = im < threshold
>>> vert_lines = sum(np.mean(im2, axis=0) > 0.5)
>>> horiz_lines = sum(np.mean(im2, axis=1) > 0.5)
>>> (vert_lines - 1) * (horiz_lines - 1)
78

from collections import Counter
from itertools import dropwhile, groupby
import sys

from PIL import Image


def convert_to_binary(im):
    # first converts to 8-bit values, then to binary.
    return im.convert('L').point(lambda v: 0 if v < 255 else 1, mode='1')


def first_intersection(pixels2d):
    # if it only has one pixel value it's a border
    return next(dropwhile(lambda x: len(set(x)) == 1, pixels2d))


def cells_intersected(pixels1d):
    # count the number of non-consecutive 0s and subtracts 1.
    return Counter([g[0] for g in groupby(pixels1d)])[0] - 1


def transpose(lst):
    return list(map(list, zip(*lst)))


def reshape2d(lst, size):
    return [lst[i:i + size] for i in range(0, len(lst), size)]


def main():
    with Image.open(sys.argv[1]) as img:
        bin_data = list(convert_to_binary(img).getdata())
        assert(sorted(Counter(bin_data).values()) == 
               sorted(Counter(img.getdata()).values()))
        bin_lst = reshape2d(bin_data, img.width)
        horizontal = first_intersection(bin_lst)
        vertical = first_intersection(transpose(bin_lst))
        print(cells_intersected(horizontal) * cells_intersected(vertical))


if __name__ == '__main__':
    main()