java - 如何有效地检测和删除扫描图像/文档中的引导线？

Question

对于我的项目，我正在为扫描文档编写一个图像预处理库。截至目前，我坚持使用线删除功能。

问题描述:示例扫描表单:

Name*  : ______________________________
Age* : ______________________________

Email-ID: |_|_|_|_|_|_|_|_|_|_|_|_|_|_|_|_|

注意:以下是进一步的条件:

• 扫描的文档可能包含更多的垂直和水平引导线。
• 线条粗细可以超过1px
• 文档本身打印不正确，可能会出现墨水膨胀或厚度不均等形式的噪音
• 文档可能有彩色背景或线条

现在我要做的是检测这些行并删除它们。在这样做的同时，手写内容不应丢失。

解决方案:当前的解决方案是用 Java 实现的。

通过结合使用 canny/sobel 边缘检测器和阈值滤波器(使图像成为双色调)来检测这些线。从之前的操作中，我得到了一个黑白像素阵列。遍历数组并检查该像素的亮度是否低于指定的 bin 值。如果我发现 30 个(以像素为单位的最小线长)这样的像素，我会删除它们。我对垂直线重复相同的操作，但考虑到由于水平线的移除会导致剪切。

尽管解决方案似乎有效。但是有一些问题，比如，

• 去除重叠字符
• 如果图像中的字符间距不正确，那么它也是被视为一条线。
• 边缘检测的输出图像是黑白的。
• 有点慢。 2480*3508 的图像通常需要大约 40 秒。

请指导如何正确有效地进行操作。如果有开源库，请直接。

谢谢

Answer 1

首先，我想说明一下，我对图像处理一无所知，尤其是 OCR。

不过，我想到了一个非常简单的启发式方法:

1. 将图像中的像素分离为连通分量。
2. 对于每个连接的组件，使用以下一种或多种试探法确定它是否是一条线:
   1. 是否超过平均字母长度？
   2. 它是否出现在其他字母附近？ (去除墨水膨胀或伪影)。
   3. 它的 X 梯度和 Y 梯度是否足够大？这可以确保此连接组件包含的不仅仅是水平线。

我能看到的唯一问题是，如果有人在水平线上写字母，像这样:

   /\     ___
  /  \   /   \
  |__|   |___/
 -|--|---|---|------------------
  |  |    \__/

在那种情况下，该行将保留，但无论如何您都必须处理这种情况。

正如我提到的，我绝不是图像处理专家，但有时非常简单的技巧也能奏效。