使用 Python OpenCV 删除图像的黑色标题部分

Question

我需要使用 Python CV 删除图像多个部分中的变黑部分。 我尝试去噪，但效果不佳。

例如。 我需要删除表格标题中的黑色部分（下图）并将标题背景转换为白色，内容为黑色。

任何人都可以帮助我选择正确的库或解决方案来克服这个问题吗？

Answer 1

如您所见，很难过滤虚线图案。 它显然与文本重叠。 我至少看到两个选项：1）利用模式的周期性并进行频率过滤。 2) 尝试一种更简单的方法，对目标像素使用形态学命中或未命中操作，旨在隔离它们。

让我们看看选项 2。噪音有一个非常独特的模式。 如果您使用所有 blob 都涂成白色的二进制图像，则您要查找的图案是一个白色像素(1)被 8 个黑色像素(0)包围：

[ 0, 0, 0 ]
[ 0, 1, 0 ]
[ 0, 0, 0 ]

命中和未命中操作可用于定位和隔离像素模式。 如果您想了解更多信息，这里有一个很好的帖子。 现在，让我们处理代码：

//Read the input image, as normal:
std::string imagePath = "C://opencvImages//tableTest.png";
cv::Mat testImage = cv::readImage( imagePath );

//Convert the image to grayscale:
cv::Mat grayImage;
cv::cvtColor( testImage, grayImage, cv::COLOR_BGR2GRAY );

//Get the binary image via otsu:
cv::Mat binaryImage;
cv::threshold( grayImage, binaryImage, 0, 255,cv::THRESH_OTSU );

//Invert the image, as we will be working on white blobs:
binaryImage = 255 - binaryImage;

//Prepare the target kernel. This is where you define the pattern of 
//pixels you are looking for
//Keep in mind that -1 -> black and 1 -> white

cv::Mat kernel = ( cv::Mat_<int>(3, 3) <<
    -1, -1, -1,
    -1, 1, -1,
    -1, -1, -1
);

//perform the hit or miss operation:
cv::Mat hitMissMask;
cv::morphologyEx( binaryImage, hitMissMask, cv::MORPH_HITMISS, kernel );

这是你得到的面具：

现在，只需将这个蒙版减去原始（二进制）图像，你就会得到这个：

如您所见，部分列标题妨碍了操作。 如果您想要白色背景和黑色斑点，只需反转图像：

Answer 2

这是@eldesgraciado 方法的修改版本，该方法使用 Python 中目标像素的形态命中或未命中操作来过滤点状图案。 不同之处在于，我们不是用降低文本质量的二值图像减去掩码，而是先对二值图像进行膨胀，然后按位扩展，以保持文本质量。

1. 获取二值图像。 加载图像、灰度、 大津阈值

2. 执行形态命中或未命中操作。 我们创建带点阵图形内核cv2.getStructuringElement然后使用cv2.filter2D进行卷积图像

3. 去除点。 我们cv2.bitwise-xor与二值图像的掩码

4. 修复损坏的文本像素。 我们cv2.dilate然后cv2.bitwise_and与输入图像和颜色背景像素白色的最终掩码

---

二进制图像

点掩码

删除点

扩张以修复阈值处理过程中损坏的文本像素

结果

代码

import cv2
import numpy as np

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

# Perform morphological hit or miss operation
kernel = np.array([[-1,-1,-1], [-1,1,-1], [-1,-1,-1]])
dot_mask = cv2.filter2D(thresh, -1, kernel)

# Bitwise-xor mask with binary image to remove dots
result = cv2.bitwise_xor(thresh, dot_mask)

# Dilate to fix damaged text pixels
# since the text quality has decreased from thresholding
# then bitwise-and with input image
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2,2))
dilate = cv2.dilate(result, kernel, iterations=1)
result = cv2.bitwise_and(image, image, mask=dilate)
result[dilate==0] = [255,255,255]

cv2.imshow('dot_mask', dot_mask)
cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.imshow('dilate', dilate)
cv2.waitKey()