使用python过滤掉图像中的细网格线

Question

我正在尝试清除网格，以便可以在其他过程中单独使用该图。我正在尝试使用opencv解决它。我有实际和倒置的图像。我不是python专家。任何帮助都可能很棒。

预先感谢

实际图片

倒像

Answer 1

这是一种结合使用过滤技术和遮罩的方法。

• 将图像转换为灰度和中值模糊
• Adaptive threshold图片
• 执行morphological transformations
• 查找轮廓并使用轮廓区域进行过滤
• 创建一个遮罩以保留所需的ROI部分
• 按位求和并提取图

---

这是结果

import cv2
import numpy as np

image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.medianBlur(gray, 15)

thresh = cv2.adaptiveThreshold(blur,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV,11,3)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
erode = cv2.erode(thresh, kernel, iterations=1)
dilate = cv2.dilate(erode, kernel, iterations=3)

cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

mask = np.zeros(image.shape, dtype=np.uint8)
for c in cnts:
    area = cv2.contourArea(c)
    if area > 850:
        cv2.drawContours(mask, [c], -1, (255,255,255), -1)

mask = cv2.dilate(mask, kernel, iterations=1)
image = 255 - image
result = 255 - cv2.bitwise_and(mask, image)

cv2.imshow('result', result)
cv2.waitKey(0)

---

第二种方法

这是另一种方法，与第一种方法相同，但是使用专用的水平和垂直内核进行过滤。这种方法可能更健壮。我们没有使用猜测和检查形态变换的方法，而是使用专用的内核过滤掉了水平/垂直网格线。

vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,5))
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,1))

这是经过每个内核之后的掩码结果

结果大致相同，但稍微干净一点：）

import cv2
import numpy as np

image = cv2.imread('1.png',0)
blur = cv2.GaussianBlur(image, (5,5), 0)
thresh = cv2.threshold(blur, 130, 255, cv2.THRESH_BINARY_INV)[1]

vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,5))
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,1))
remove_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel)
remove_vertical = cv2.morphologyEx(remove_horizontal, cv2.MORPH_OPEN, horizontal_kernel)

cnts = cv2.findContours(remove_vertical, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

mask = np.ones(image.shape, dtype=np.uint8)
for c in cnts:
    area = cv2.contourArea(c)
    if area > 50:
        cv2.drawContours(mask, [c], -1, (255,255,255), -1)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
mask = cv2.dilate(mask, kernel, iterations=1)
image = 255 - image
result = 255 - cv2.bitwise_and(mask, image)

cv2.imshow('result', result)
cv2.imwrite('result.png', result)
cv2.imshow('mask', mask)
cv2.waitKey(0)

Answer 2

您可以使用图像的打开或关闭（取决于您使用的是普通图像还是反转图像）。打开将首先腐蚀您的图像，然后将其放大。假设黑色背景上有明亮的物体，这将删除较小的物体。

例如，对于倒置图像，请使用

out = cv2.morphologyEx(src, MORPH_OPEN) 

有关更多信息，请查看this教程

Answer 3

这是使用Imagemagick的非常简单的解决方案。但是，可以从OpenCV使用相同的概念。抱歉，我不太会使用OpenCV。

Threshold the image

Perform morphologic close

Use connected components processing to remove extraneous features 

输入：

kernel="5x5: 0,0,0,0,0 1,1,1,1,1 1,1,1,1,1 1,1,1,1,1 0,0,0,0,0"
convert img.png -threshold 75% \
-morphology close "$kernel" \
-define connected-components:area-threshold=100 \
-define connected-components:mean-color=true \
-connected-components 4 result.png

添加：

这里是Python Wand代码可以执行相同的操作。 Python Wand基于Imagemagick。它将需要Wand 0.5.6（如果有）和Imagemagick 7。

#!/bin/python3.7

from wand.image import Image

with Image(filename='curve.png') as img:
    krnl="5x5: 0,0,0,0,0 1,1,1,1,1 1,1,1,1,1 1,1,1,1,1 0,0,0,0,0"
    img.threshold(threshold=0.75)
    img.morphology(method='close',kernel=krnl)
    img.connected_components(connectivity=4, area_threshold=100, mean_color=True)
    img.save(filename='curve_proc.png')