Python 如何使用OpenCV获取数独网格的单元格？

在过去的几天里，我一直在尝试从图片中获取数独网格，我一直在努力获取网格中较小的正方形。 我正在画下面的图片。我原以为用canny过滤器处理图像会很好，但事实并非如此，我无法得到每个正方形的每个轮廓。然后我把自适应阈值，大津，和一个经典的阈值测试，但每次，它似乎不能捕捉到每一个小正方形

最终的目标是获取包含数字的单元格，并使用pytorch识别数字，因此我非常希望获得一些数字的清晰图像，这样识别就不会出错：）

有人知道如何实现这一点吗？ 提前多谢！：D

---

如果图像只包含紧密贴合的数独网格，实现它的一个粗略方法是将图像分成相等的9X9网格，然后尝试提取每个网格中的数字。

以下是一个潜在的解决方案：

获取二值图像。将图像转换为灰度并

过滤掉所有数字和噪声，以仅隔离方框。我们使用过滤来删除数字，因为我们只需要每个单独的单元格

修复网格线。使用来修复网格线

按从上到下和从左到右的顺序对每个单元格进行排序。我们使用with

从上到下和
从左到右
参数将每个单元格按顺序组织起来

---

这是初始二值图像（左）和过滤掉的数字+修复的网格线+反转图像（右）

这里是每个单元迭代的可视化

每个单元格中检测到的数字

代码

导入cv2
从imutils导入等高线
将numpy作为np导入
#加载图像、灰度和自适应阈值
image=cv2.imread（'1.png'）
灰色=cv2.CVT颜色（图像，cv2.COLOR\u BGR2GRAY）
阈值=cv2。自适应阈值（灰色，255，cv2。自适应阈值高斯C，cv2。阈值二进制INV，57,5）
#过滤掉所有数字和噪音，仅隔离方框
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1000：
cv2.拉深轮廓（阈值[c]，-1，（0,0,0），-1）
#固定水平线和垂直线
垂直内核=cv2.getStructuringElement（cv2.MORPH_RECT，（1,5））
thresh=cv2.morphologyEx（thresh，cv2.MORPH\u CLOSE，垂直内核，迭代次数=9）
水平内核=cv2.getStructuringElement（cv2.MORPH_RECT，（5,1））
thresh=cv2.morphologyEx（thresh，cv2.MORPH\u CLOSE，水平核，迭代次数=4）
#按从上到下排序，每行按从左到右排序
反转=255-阈值
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”）
数独行=[]
行=[]
对于枚举（碳纳米管，1）中的（i，c）：
面积=cv2。轮廓面积（c）
如果面积小于50000：
行。追加（c）
如果i%9==0：
（CNT，u）=等高线。等高线排序（行，方法=“从左到右”）
数独行追加（cnts）
行=[]
#遍历每个框
对于数独行中的行：
对于第行中的c：
掩码=np.zero（image.shape，dtype=np.uint8）
cv2.绘制轮廓（掩模，[c]，-1，（255255），-1）
结果=cv2.按位_和（图像、掩码）
结果[掩码==0]=255
cv2.imshow（“结果”，结果）
cv2.等待键（175）
cv2.imshow（'thresh'，thresh）
cv2.imshow（“反转”，反转）
cv2.waitKey（）

---

注意：排序思想是根据中以前的答案改编而成的

步骤：

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

图像预处理（关闭操作）

查找数独方块并创建遮罩图像

寻找垂直线

寻找水平线

寻找网格点

纠正缺陷

从每个单元格中提取数字

代码：

---

翘曲：

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

th3:

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

扭曲2:

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

数独结果：

---

所有提取的数字：

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

参考文献：

########## To view all the extracted digits ###############
_, axs = plt.subplots(1, len(list_images), figsize=(24, 24))
axs = axs.flatten()
for img, ax in zip(list_images, axs):
    ax.imshow(cv2.resize(img,(64,64)))
plt.show()

---

您是否尝试过使用流行的搜索引擎搜索opencv数独？我尝试过，但没有找到使用非常扭曲的网格的示例。因此，我在网上搜索的代码对这张图片不起作用。难道你不能拍更好的照片吗？或者甚至只是更好地调整对比度，使其成为带有黑色数字的二值图像，那么你就不需要担心网格，只需使用tesseract来选择数字-你试过了吗？如果你这样做了，请在你的问题中总结一下你尝试过并拒绝过的其他事情，这样阅读你的问题的人就不会浪费时间提出建议。论坛上有很多关于寻找网格单元的帖子，特别是对于棋盘格。尝试搜索和检查代码。这实际上是我尝试的第一件事。问题是，大多数情况下，我无法使网格完美匹配为正方形。因此，一个单元格看起来像半个数字，上面有一条线。这通常是网格顶部的4或6发生的情况。但是，如果你有一个技术，使图像不失真，使其成为一个完美的正方形，我很乐意接受它！