python图片表格提取算法_基于python+opencv的图像目标区域自动提取

f08fed7c34f936a04838484b0545ce3086d.gif

向AI转型的程序员都关注了这个号

机器学习AI算法工程 公众号:datayx

一、提取纸张中的内容

一张照片中的感兴趣区域总是沿着x,y,z三个轴都有一定倾斜(如下图),要想把照片翻转到平行位置,需要进行透视变换,而透视变换需要同一像素点变换前后的坐标。由此可以想到,提取矩形区域四个角的坐标作为变换前的坐标,变换后的坐标可以设为照片的四个角落,经过投影变换,矩形区域将会翻转并充满图像。

因此我们要解决的问题变为:提取矩形的四个角落、进行透视变换。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第1张图片

提取矩形角落坐标

矩形的检测主要是提取边缘,图片显示部分的亮度通常高于周围环境,我们可以将图片阈值化,将图片部分与周围环境明显的分别开来,这对后边的边缘检测非常有帮助。

检测矩形并提取坐标需要对图像进行预处理、边缘检测、提取轮廓、检测凸包、角点检测。

1、预处理转为灰度图

由于手机拍摄的照片像素可能会很高,为了加快处理速度,我们首先将图像转化为灰度图

image = cv2.imread(Config.src)

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

srcWidth, srcHeight, channels = image.shape

print(srcWidth, srcHeight)

2、中值滤波

binary = cv2.medianBlur(gray,7)

3、转化为二值图像

ret, binary = cv2.threshold(binary, Config.threshold_thresh, 255, cv2.THRESH_BINARY)

cv2.imwrite("1-threshold.png", binary, [int(cv2.IMWRITE_PNG_COMPRESSION), 9])

此时图片已经变成了这个样子:

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第2张图片

可见纸张页面部分已经与背景环境分离开来。

4、边缘检测与轮廓处理

我们用Canny算子边缘检测,提取轮廓

# canny提取轮廓

binary

= cv2.Canny(

binary

,

0

,

60

, apertureSize =

3

) cv2.imwrite(

"3-canny.png"

,

binary

, [int(cv2.IMWRITE_PNG_COMPRESSION),

9

])

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第3张图片

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第4张图片

5、提取面积最大的轮廓并用多边形将轮廓包围

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第5张图片

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第6张图片

二、使用Python和OpenCV检测和标记湖面轮廓

我们将使用OpenCV探测地图中湖面的轮廓,并标记面积最大的湖面。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第7张图片

通过OpenCV提供的cv2.imread可以读入原始图片,读入的图片被表示成一个三维数组的结构,可以通过数组下标访问每一个点的颜色信息。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第8张图片

图片中面区域的RGB颜色为[170,218,255],我们只需要在图片上检查具有这种颜色的区域,这里我们允许正负10的偏差。另外注意,在OpenCV颜色表示的顺序稍有不同,OpenCV采用的BGR顺序。

OpenCV提供了cv2.inRange函数,这个函数对图片进行二值化处理,将不在阀值范围内的点变换为黑色点[0,0,0],处于范围内的点变换为白色点[255,255,255]。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第9张图片

上面的代码中,cv2.inRange函数处理后图片后,调用cv2.imshow显示处理后的二值化图片:

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第10张图片

OpenCV提供了cv2.findContours()函数提取二值化图像的轮廓。对上面生成图片上执行这个函数就可以返回该图片的区域轮廓。由于执行该函数时会直接修改图像,因此我们复制一份图像之传给cv2.findContours();同时,OpenCV提供了cv2.drawContour()函数绘可以把轮廓叠加到另一张图片上。

下面的代码使用cv2.findContours()函数对mask图片提取轮廓,并调用cv2.drawContour()把轮廓叠加在原始图像。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第11张图片

我们可以看见所有湖面被标记,如下图:

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第12张图片

现在我们对返回的轮廓就进行排序,第一个轮廓就是面积最大的。

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第13张图片

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第14张图片

阅读过本文的人还看了以下文章:

不断更新资源

深度学习、机器学习、数据分析、python

搜索公众号添加:datayx

python图片表格提取算法_基于python+opencv的图像目标区域自动提取_第15张图片

长按图片,识别二维码,点关注

你可能感兴趣的:(python图片表格提取算法)