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。我尝试了去噪效果不理想的问题。

例如我需要删除表格标题中的变黑部分（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一问题吗？

Answer 1

这是@eldesgraciado的方法的改进版本，该方法使用形态学的命中或未命中操作对Python中的目标像素进行过滤，以过滤点状图案。区别在于，我们没有用二进制图像减去掩码来降低文本质量，而是先对二进制图像进行扩展，然后按位进行扩展，并保留文本质量。

1. 获得二进制图像。加载图像，灰度，Otsu's threshold

2. 执行形态学命中或遗漏操作。我们用cv2.getStructuringElement创建一个点阵图形内核，然后使用cv2.getStructuringElement卷积图像

3. [Remove points。我们用二进制图像cv2.filter2D遮罩

4. 修复损坏的文本像素。然后，我们cv2.filter2D然后cv2.bitwise-xor使用输入图像和彩色背景像素为白色的定型蒙版

---

二进制图像

cv2.bitwise-xor

点罩

cv2.dilate

删除点

cv2.dilate

膨胀以修复阈值处理中损坏的文本像素

cv2.bitwise_and

结果

cv2.bitwise_and

代码

Answer 2

如您所见，很难过滤虚线图案。它显然与文本重叠。我至少看到两个选择：1）利用模式的周期性，并执行频率滤波。 2）尝试对目标像素使用morphic hit or miss操作，目的是隔离它们。

让我们检查一下选项2。噪声的样式非常独特。如果使用所有斑点都为白色的二进制图像，则您要寻找的图案是白色像素（1）

，周围是8个黑色像素（0）：

命中和遗漏操作可用于定位和隔离像素模式。如果您想了解更多信息，请一篇好文章。现在，让我们来研究代码：

这是您得到的面具：

现在，只需将此蒙版减去原始（二进制）图像，即可得到：

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()

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：

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