Python 如何找到已完成表单扫描图像的轮廓？

我想在此扫描中检测已完成表格的轮廓

理想情况下，我想找到涂有红色的桌子角落

我的最终目标是检测整个文档是否被扫描，并且四个角是否在扫描的边界内

我使用了python中的OpenCV，但它无法找到大容器的轮廓

有什么想法吗

---

使用方向范围窄的Hough变换来查找垂直面和水平面怎么样？如果幸运的话，您需要的将是最长的，选择它们后，您可以重建矩形。

观察到可以使用表格网格识别表单，下面是一个简单的方法：

获取二值图像。加载图像、灰度、高斯模糊，然后加载大津阈值以获取二值图像

找到水平部分。我们创建一个水平形状的内核，找到水平表线并绘制到一个遮罩上

找到垂直部分。我们创建一个垂直形状的内核，找到垂直的表格线，并绘制到一个遮罩上

填充文本文档正文并打开变形。我们执行变形操作以关闭表格，然后查找轮廓并填充遮罩以获得形状轮廓。这一步满足了您的需求，因为您可以在蒙版上找到轮廓，但我们可以更进一步，只提取所需的部分

执行四点透视变换。我们找到轮廓，对最大轮廓进行排序，使用轮廓近似进行排序，然后执行a以获得图像的鸟瞰图

---

结果如下：

输入图像

检测到要提取的轮廓以绿色突出显示

四点透视变换后的输出

代码

---

你能分享你尝试过的代码吗？当然，我尝试过轮廓检测的解决方案：，这里也有描述：。我还尝试了一些脚本来查找轮廓，如下所述：。运行第一个解决方案时，它返回图片的轮廓（我猜是因为扫描的页面和背景之间没有对比度）。第二，我找不到最大的多边形。看起来你正试图通过它的轮廓来检测桌子。在这里检查我的答案

import cv2
import numpy as np
from imutils.perspective import four_point_transform

# Load image, create mask, grayscale, and Otsu's threshold
image = cv2.imread('1.jpg')
mask = np.zeros(image.shape, dtype=np.uint8)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)

# Find horizontal sections and draw on mask 
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (80,1))
detect_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
cnts = cv2.findContours(detect_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)

# Find vertical sections and draw on mask 
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,50))
detect_vertical = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel, iterations=2)
cnts = cv2.findContours(detect_vertical, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(mask, [c], -1, (255,255,255), -1)

# Fill text document body
mask = cv2.cvtColor(mask, cv2.COLOR_BGR2GRAY)
close_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9,9))
close = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, close_kernel, iterations=3)
cnts = cv2.findContours(close, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(mask, [c], -1, 255, -1)

# Perform morph operations to remove noise
# Find contours and sort for largest contour
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, close_kernel, iterations=5)
cnts = cv2.findContours(opening, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
displayCnt = None

for c in cnts:
    # Perform contour approximation
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.02 * peri, True)
    if len(approx) == 4:
        displayCnt = approx
        break

# Obtain birds' eye view of image
warped = four_point_transform(image, displayCnt.reshape(4, 2))

cv2.imwrite('mask.png', mask)
cv2.imwrite('thresh.png', thresh)
cv2.imwrite('warped.png', warped)
cv2.imwrite('opening.png', opening)