我需要从下面这张图中的数字上移除线条，而不会使数字变形。如果不这样做，我的数字检测算法就会失败，因为在感兴趣区域有纸张规则线的痕迹。
以下是原图：
以下是没有任何痕迹的更清晰的版本：
以下是原图：
以下是没有任何痕迹的更清晰的版本：
3个回答
5
傅里叶变换的经典任务。
- 执行傅里叶变换：
import numpy as np
from scipy.misc import imshow, imsave, imread
img = imread("10XIn.jpg")[:,:,:3]
imggray = np.mean(img, -1)
imfft = np.fft.fft2(imggray)
mags = np.abs(np.fft.fftshift(imfft))
angles = np.angle(np.fft.fftshift(imfft))
visual = np.log(mags)
visual2 = (visual - visual.min()) / (visual.max() - visual.min())*255
visual2看起来像这样：
注意中心的对角线 - 它代表了你的线条。
现在，我手动创建了这条线的掩模，但理想情况下，你可以通过程序过滤它。
然后，我们读取掩模并把线擦除：
mask = imread("fftimg4_mask.jpg")[:,:,:3]
mask = (np.mean(mask,-1) > 20)
visual[mask] = np.mean(visual)
然后反向傅里叶变换：
newmagsshift = np.exp(visual)
newffts = newmagsshift * np.exp(1j*angles)
newfft = np.fft.ifftshift(newffts)
imrev = np.fft.ifft2(newfft)
newim2 = 255 - np.abs(imrev).astype(np.uint8)
imsave("fftimg2.jpg", newim2 )
这是newim2
当然，你可以在傅里叶空间中进行更精确的修补，并将结果应用回原始图像以保持颜色，但我认为这篇文章阐述了这个想法。
- vzaguskin
4
这很棒，我会尝试一下。在另一个网站上有一个类似问题的赏金任务，你应该试试看。https://www.freelancer.com/contest/Digit-Detection-on-ruled-paper-188586.html - Dev Roy
谢谢，我会尝试的。 - vzaguskin
嗨，我尝试使用霍夫线来检测线条，但由于返回了太多线条而无法正常工作，是否有其他方法？但在某种程度上，它确实可以工作。 - Dev Roy
适当的阈值然后霍夫线应该可以工作。实际上，只需要一个阈值加上将不相关区域清零就足够了。 - vzaguskin
1
好的，这可能有点复杂，因为笔记本线条的颜色与数字的颜色非常接近，从您的示例中看来是这样。我猜想，绿色框框是您的添加部分，而不是数据本身的一部分。
您没有说明使用哪个框架，因此我将仅提供一些通用提示来解决此问题。
第一步是进行一些阈值处理。您可以使用二进制阈值处理或更好的自适应阈值处理，并使用正确大小的窗口。您需要进行实验。阈值处理的结果将是二进制图像。仍带有线条。
第二步将是使用形态学操作清除图像。如果您不确定形态学是什么，请查看此 morphology tutorial。
在中间的位置，有一些从图像中删除线条的示例。最大的问题是，某些数字也包含水平线。因此，一种选择将是使用相当小的形态学核（可能是3行和1列），因为笔记本线条更细。并更新识别器，以便识别扭曲的数字。这应该是可行的，因为所有数字都会以相同的方式扭曲。
- jnovacho
1
不幸的是，失真可能有无限的可能性，因此数字检测将失败。 - Dev Roy
0
另一种方法是利用已知结构。
- 矫正图像（可以在OpenCV中使用Hough变换找到倾斜）
- 定位行求和的高峰
- 在线条上方和下方物理克隆像素
我刚刚为另一个数据集实现了这个，附上示例。这可以进一步调整。
- qu1j0t3
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接