python - 删除内部边框

Question

我从表格图片中裁剪了很多图片。 OCR由于表边界的“剩余”而在文本检测方面存在一些问题。实际上，我正在寻找删除它们的方法(我只想提取文本)。以下是其中的一些示例:



谢谢!

Answer 1

此代码(基于opencv)解决了两个示例的问题。步骤如下:

阈值图像

从二进制对象中删除行

计算比率=(对象的面积)/(边界框的面积)

如果比率太小，我们认为该对象是行的组合

如果比率很大，我们认为对象是单行

这是python代码:

import cv2
import matplotlib.pylab as plt
import numpy as np

# load image
img = cv2.imread('om9gN.jpg',0)

# blur and apply otsu threshold
img = cv2.blur(img, (3,3))
_, img = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# invert image
img = (img == 0).astype(np.uint8)


img_new = np.zeros_like(img)

# find contours
_,contours,_ = cv2.findContours(img, 1, 2)

for idx, cnt in enumerate(contours):

    # get area of contour
    temp = np.zeros_like(img)
    cv2.drawContours(temp, contours , idx, 1, -1)
    area_cnt = np.sum(temp)

    # get number of pixels of bounding box of contour
    x,y,w,h = cv2.boundingRect(cnt)
    area_box = w * h

    # get ratio of cnt-area and box-area
    ratio = float(area_cnt) / area_box

    # only draw contour if:
    #    - 1.) ratio is not too big (line fills whole bounding box)
    #    - 2.) ratio is not too small (combination of lines fill very 
    #                                  small ratio of bounding box)
    if 0.9 > ratio > 0.2:
        cv2.drawContours(img_new, contours , idx, 1, -1)

plt.figure()
plt.subplot(1,2,1)
plt.imshow(img_new)
plt.axis("off")
plt.show()