改进水平线检测的HoughLines（Python、OpenCV）

Question

我有这个源图像：

我的目标是删除底线，同时保持字母/数字不变。在

这是我使用的代码：

import cv2
import numpy as np

img = cv2.imread('src.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

edges = cv2.Canny(gray,100,200,apertureSize = 5)

minLineLength = 0
maxLineGap = 19
lines = cv2.HoughLinesP(edges,1,np.pi/180,15,minLineLength,maxLineGap)
for x in range(0, len(lines)):
    for x1,y1,x2,y2 in lines[x]:
        cv2.line(img,(x1,y1),(x2,y2),(255,255,255),2)

cv2.imshow('hough',img)
cv2.waitKey(0)

到目前为止，我取得的最好成绩是：

我如何改进它，尽可能地清理图像？ 例如，图像周围的所有碎片，单词下面的点和（仍然）线条，我如何才能移除它们？在

谢谢。在

OT：有没有一种方法可以创建一个跟踪栏来更改参数（apertureSize、minLineLength、maxLineGap等）来实时查看结果？在

Answer 1

根据@Link的要求：

我在python方面的经验有限，所以我不知道这段代码的线程安全性如何，但这应该向您展示在python OpenCV中创建轨迹条的基本知识。在

def onChange(pos):
    global img
    global gray
    global dst

    dst = np.copy(img)

    apertureSize = cv2.getTrackbarPos("ApertureSize", "Result")
    minLineLength = cv2.getTrackbarPos("LineLength", "Result")
    maxLineGap = cv2.getTrackbarPos("LineGap", "Result")

    # according to OpenCV, aperture size must be odd and between 3 and 7
    if apertureSize % 2 == 0:
        apertureSize += 1
    if apertureSize < 3:
        apertureSize = 3

    edges = cv2.Canny(gray,100,200,apertureSize = apertureSize)

    lines = cv2.HoughLinesP(edges,1,np.pi/180,15,minLineLength,maxLineGap)
    for x in range(0, len(lines)):
        for x1,y1,x2,y2 in lines[x]:
            cv2.line(dst,(x1,y1),(x2,y2),(255,255,255),2)

#Run Main
if __name__ == "__main__" :

    img = cv2.imread("image.png", -1)
    dst = np.copy(img)

    cv2.namedWindow("Result", cv2.WINDOW_NORMAL)

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

    #default values for trackbars
    defaultApertureSize = 5
    minLineLength = 0
    maxLineGap = 19

    # according to OpenCV, aperture size must be odd and between 3 and 7
    # the aperture size range is (0 - 6)
    cv2.createTrackbar("ApertureSize", "Result", defaultApertureSize, 6, onChange)

    # line length range is (0 - 10)
    cv2.createTrackbar("LineLength", "Result", minLineLength, 10, onChange)

    # line gap range is (0 - 19)
    cv2.createTrackbar("LineGap", "Result", maxLineGap, 19, onChange)

    while True:
        cv2.imshow("Result", dst)
        key = cv2.waitKey(1)
        if key == ord('q'):
            break

    cv2.destroyAllWindows()

Answer 2

一旦你有了Hough的线段，你可以搜索它们，找到可能是底线一部分的线段（即正确的角度和截距），然后删除沿着这条预测线的所有黑点，而不仅仅是Hough找到的线段。在

另一个技巧是，尝试cv:：adaptivethreshold而不是canny，并尝试先做一个小的高斯模糊来去除背景斑点。在

编辑：您正在使用HoughP，它可以单独查找每个留置权段。你要找的是一条（断开的）线，所以使用常规Hough可能会更好，从结果中选择图像下半部分最强的水平线-然后沿该方向删除所有点。在

ot:cv:：namedWindow可以有一个trackbar，您可以在其中轻松地获取值