将图像裁剪成碎片，然后加入，这能使用OpenCV吗？

Question

我有几个样本，从彩色图像，我应该变成二进制。利用自适应阈值，取得了最佳的效果。

数字是非常好的，明确的定义，但周围是嘈杂的，这些“垂直线”分隔每个数字最终被读取为一个数字1的OCR工具，例如。

然后我注意到，在数字周围，图像是干净的。我想，如果我能只剪掉数字(在黑白画之前还是之后)？然后“粘贴”这些数字的白色背景。

我试着使用侵蚀和扩张，但仍然有许多剩余的“点”。如果我能做到我的想法(以上)，它将减少侵蚀/扩张，并增加“清洁”的数字在削减之前，我不知道。

这有可能吗？我说得通吗？如果是，我如何使用OpenCV来做到这一点？有什么建议吗？

我正在使用的一些图片：

​

​

​

​

​

​

​

​

注：上面的图像并没有经历侵蚀和/或膨胀、自适应阈值的过程。

更新：

@Mahm00d，我试了一下你用第一个图像说的话，得到了下面的图像，这很好，但是前两个数字的反射问题还在继续。有办法解决这个问题吗？我应用了自适应阈值，但图像仍然存在相当大的噪声。

GaussianBlur +带有OTSU标志的Treshold：

​

GaussianBlur +自适应阈值：

​

Answer 1

通常最好先使用一些去噪技术，比如在进行阈值和形态学之前使用高斯/中值模糊：

(Java代码)

Imgproc.cvtColor(inputMat, gMat, Imgproc.COLOR_RGB2GRAY);
// Gaussian blur : 21x21 window, sigma = 50.0 (select these accordignly)
Imgproc.GaussianBlur(gMat, gMat, new Size(21.0, 21.0), 50.0);
// Otsu thresholding (or any other thresholding techinique...)
Imgproc.threshold(gMat, gMat, 0, 255, Imgproc.THRESH_OTSU | Imgproc.THRESH_BINARY);

你的产出：

​

​

以上代码输出：

​

​

更新：

这些问题往往需要一些参数值的处理，才能得到一个好的结果，并得到最优的值。对于第二个图像，下面是我使用的代码(自适应阈值)以获得更好的结果：

Imgproc.GaussianBlur(inImg, inImg, new Size(21.0, 21.0), 50.0);
Imgproc.adaptiveThreshold(inImg, inImg, 255, Imgproc.ADAPTIVE_THRESH_MEAN_C, Imgproc.THRESH_BINARY, 111, -20);

结果：

​

​

当然，这并不完美，但至少反射被移除了。此外，形态过程可以帮助产生更好的结果。

Answer 2

一种解决方案是应用膨胀和侵蚀，找出小于X像素的所有轮廓，并用白色填充它们：

int main()
{
    // Load the image as a Grayscale
    Mat image = imread("image.jpg", CV_LOAD_IMAGE_GRAYSCALE);
    // Threshold the image
    image = image > 120;
    // Create bigger image with image width and height + 10 pixels
    Mat image_big = Mat::zeros( image.size().height + 10, image.size().width + 10, CV_8UC1 );
    // Set bigger image to be all white
    image_big.setTo(255);

    Mat image_big_copy;

    // This may vary, you must find it for yourself
    // Dilate image 4 times and erode once
    dilate(image, image, Mat(), Point(-1,-1), 4);
    erode(image, image, Mat(), Point(-1,-1));

    // Copy image in the center of bigger image so you left 5px around image blank/white
    // Create a new ROI that points to center of the bigger image
    Mat image_big_roi = image_big( Rect(Point(5, 5), Size(image.size())) );
    // Copy image to the bigger image ROI
    addWeighted(image_big_roi, 0., image, 1., 0., image_big_roi);

    // Create a data copy of image_big
    image_big.copyTo(image_big_copy);

    // Find all contours in a given image and store them in contours
    vector<vector<Point> > contours;
    findContours(image_big_copy, contours, CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE);

    for( int i = 0; i < contours.size(); i++ )
    {
        // This is your condition to filter out unwanted contours etc.
        // For every contour if its area is bigger/smaller than the sum of pixels
        if ( fabs(contourArea(Mat(contours[i]))) < 800 )
        {
            // Fill a contour with white color
            drawContours(image_big, contours, i, Scalar(255), CV_FILLED);
        }
    }

    imshow("Image original", image);
    imshow("Image edited", image_big);
    waitKey(0);

    return 0;
}

原始图像：

​

​

之后：

​

​