从图像上删除边框，但保持文本写在边框上（在OCR之前进行预处理）

Question

有了上面的图像，我可以将其裁剪为四个方框，使用OpenCV形态学操作（基本膨胀，腐蚀）去除边界并得到如下结果：

在大多数情况下，这种方法效果很好，但是如果有人在该行上书写，则可以预测为7而不是2。

我在寻找一种解决方案时遇到了麻烦，该解决方案可以在删除边框的同时恢复写在行上的字符部分。我拥有的图像已经转换为灰度，因此我无法根据颜色区分书写的数字。解决这个问题的最佳方法是什么？

Answer 1

这是一条管道

• 将图像转换为灰度
• 大津获取二进制图像的阈值
• 删除垂直线
• 删除水平线
• 构建修复内核并修复映像
• 反转图像

转换为灰度后，我们将大津的阈值

从这里我们删除垂直线

然后删除水平线

为此，我们在字符上留下了空白，要解决此问题，我们创建了一个修复内核来扩大图像

接下来，我们按位排列-并且使用阈值图像来保持我们的角色细节

差距仍然存在，但要好一些。我们执行变形以缩小差距

现在已关闭，但我们丢失了角色详细信息。我们执行最终的按位运算，并使用阈值图像恢复细节

为了获得理想的结果，我们将图像反转

import cv2

image = cv2.imread('1.png')
removed = image.copy()
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Remove vertical lines
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,40))
remove_vertical = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel, iterations=2)
cnts = cv2.findContours(remove_vertical, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(removed, [c], -1, (255,255,255), 15)

# Remove horizontal lines
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (40,1))
remove_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
cnts = cv2.findContours(remove_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    cv2.drawContours(removed, [c], -1, (255,255,255), 5)

# Repair kernel
repair_kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
removed = 255 - removed
dilate = cv2.dilate(removed, repair_kernel, iterations=5)
dilate = cv2.cvtColor(dilate, cv2.COLOR_BGR2GRAY)
pre_result = cv2.bitwise_and(dilate, thresh)

result = cv2.morphologyEx(pre_result, cv2.MORPH_CLOSE, repair_kernel, iterations=5)
final = cv2.bitwise_and(result, thresh)

invert_final = 255 - final

cv2.imshow('thresh', thresh)
cv2.imshow('removed', removed)
cv2.imshow('dilate', dilate)
cv2.imshow('pre_result', pre_result)
cv2.imshow('result', result)
cv2.imshow('final', final)
cv2.imshow('invert_final', invert_final)
cv2.waitKey()