Python 使用OpenCV检测表图像中的行数和列数

如何通过Opencv获得图像表中的行数和列数

用于在表中获取我正确获取的框的代码

contours, hierarchy = cv2.findContours(img_final_bin, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

def sort_contours(cnts, method="left-to-right"):
# initialize the reverse flag and sort index
reverse = False
i = 0
# handle if we need to sort in reverse
if method == "right-to-left" or method == "bottom-to-top":
    reverse = True
# handle if we are sorting against the y-coordinate rather than
# the x-coordinate of the bounding box
if method == "top-to-bottom" or method == "bottom-to-top":
    i = 1
# construct the list of bounding boxes and sort them from top to
# bottom
boundingBoxes = [cv2.boundingRect(c) for c in cnts]
(cnts, boundingBoxes) = zip(*sorted(zip(cnts, boundingBoxes),
    key=lambda b:b[1][i], reverse=reverse))
# return the list of sorted contours and bounding boxes
return (cnts, boundingBoxes)

(contours, boundingBoxes) = sort_contours(contours, method="top-to-bottom")

---

似乎一个简单的解决方案是首先从左到右查看每个像素是否为黑色（这表示我们找到了一列。然后对行执行相同的操作（如果从上到下每个像素为黑色，则表示它找到了一行）

一个复杂的问题是行的宽度，这意味着在找到白色之前，只能将其计算为1行/列

---

我可以为此编写代码，但我现在不在家，所以也许其他人可以编写代码，我稍后会删除我的答案。我知道这可能是一条评论，但我没有50%的声誉。

这里有一个可能的方法：

获取二值图像。加载图像，转换为灰度，然后

删除单元格内的文本。查找轮廓并使用过滤器通过填充轮廓来删除文本

反转图像。我们反转图像，使单元格为白色，背景为黑色

对单元格进行排序并对行/列求和。然后，我们使用从

上到下对轮廓进行排序。接下来，我们迭代轮廓并找到相应的值以获得
（cX，cY）
坐标。我们可以比较每个单元格的
cY
值，通过使用偏移量来确定它是新行还是同一行中的单元格。如果
cY
值是+/-某个偏移量值，则单元格应该在同一行中。如果大于该值，则表示该单元格在新行中。我们构建了一个模型表，其中表的长度为行，而任何索引的长度为列数

---

二值图像

删除文本轮廓+反转图像

这是一个通过迭代每个单元格来计算行数和列数的可视化过程

结果

Rows: 7
Columns: 4

代码

将numpy导入为np
从imutils导入等高线
进口cv2
#加载图像、灰度、高斯模糊、大津阈值
image=cv2.imread（'1.jpg'）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
模糊=cv2.高斯模糊（灰色，（5,5），0）
thresh=cv2.threshold（模糊，0，255，cv2.thresh\u二进制\u INV+cv2.thresh\u OTSU）[1]
#查找轮廓并删除单元格内的文本
cnts=cv2.查找对象（阈值、cv2.RETR\u树、cv2.链近似值、简单值）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
面积=cv2。轮廓面积（c）
如果面积小于4000：
cv2.拉深轮廓（阈值[c]，-1,0，-1）
#反转图像
反转=255-阈值
偏移量，旧值，第一个=10，0，真值
可视化=cv2.CVT颜色（反转，cv2.COLOR_GRAY2BGR）
#找到等高线，从上到下排序，然后汇总列/行
cnts=cv2.findContours（反转、cv2.RETR\u树、cv2.CHAIN\u近似、简单）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
（CNT，u）=等高线。等高线排序（CNT，方法=“从上到下”）
对于碳纳米管中的碳：
#找到质心
M=cv2.力矩（c）
cX=int（M[“m10”]/M[“m00”]）
cY=int（M[“m01”]/M[“m00”]）
#新行
如果（abs（cY）-abs（old_cY））>偏移量：
如果首先：
行，表=[]，[]
第一个=错误
旧的
表.追加（行）
行=[]
#同行单元格
如果（（abs（cY）-abs（old_cY））另一种方法是首先验证它是否是一个真实的表，因为该hough线变换可以使用，一旦完成，您可以使用上面由fellow解释的方法。
请将您的示例图像添加到帖子：）由于限制，无法上载确切的文件，但以下是示例图像。需要在pandas dataframe中转换此图像。使用上述代码从图像中提取框，并使用tesserocr提取这些框中的内容。如果我们可以知道确切数字中的列数和行数，我们可以在pandas和中创建空数据框然后将方框数据放入pandas表中，从而从图像中获取pandas表。请建议是否有其他方法从该图像获取pandas表。我们如何确定面积，即4000，可以是任何预定的阈值面积值。它只是过滤掉任何小的噪声颗粒
import numpy as np
from imutils import contours
import cv2

# Load image, grayscale, Gaussian blur, Otsu's threshold
image = cv2.imread('1.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Find contours and remove text inside cells
cnts = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < 4000:
        cv2.drawContours(thresh, [c], -1, 0, -1)

# Invert image
invert = 255 - thresh
offset, old_cY, first = 10, 0, True
visualize = cv2.cvtColor(invert, cv2.COLOR_GRAY2BGR)

# Find contours, sort from top-to-bottom and then sum up column/rows
cnts = cv2.findContours(invert, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
(cnts, _) = contours.sort_contours(cnts, method="top-to-bottom")
for c in cnts:
    # Find centroid
    M = cv2.moments(c)
    cX = int(M["m10"] / M["m00"])
    cY = int(M["m01"] / M["m00"])

    # New row
    if (abs(cY) - abs(old_cY)) > offset:
        if first:
            row, table = [], []
            first = False
        old_cY = cY
        table.append(row)
        row = []

    # Cell in same row
    if ((abs(cY) - abs(old_cY)) <= offset) or first:
        row.append(1)

    # Uncomment to visualize 
    '''
    cv2.circle(visualize, (cX, cY), 10, (36, 255, 12), -1) 
    cv2.imshow('visualize', visualize)
    cv2.waitKey(200)
    '''

print('Rows: {}'.format(len(table)))
print('Columns: {}'.format(len(table[1])))

cv2.imshow('invert', invert)
cv2.imshow('thresh', thresh)
cv2.waitKey()