图像网格中的鲁棒模式检测

Question

我用Python编写了一个程序，它可以自动读取像这样的计分表

目前，我使用以下基本策略：

• 使用ImageMagick扭曲图像
• 使用PIL读入Python，将图像转换为B&W
• 计算计算行和列中像素的总和
• 求这些和的峰值
• 检查这些峰值所暗示的交叉点是否充满。在

运行程序的结果如下图所示：

您可以在左上角图像的右侧和下方看到峰值图。左上角图像中的线是列的位置，红点表示已识别的分数。右下角的直方图显示了每个圆的填充级别和分类线。在

这种方法的问题是需要仔细调整，并且对扫描设置的差异很敏感。有没有一种更可靠的方法来识别网格，它需要较少的先验信息（目前我使用的是关于有多少个点的知识），并且对于在纸上绘制其他形状的人来说更可靠？我相信用二维傅里叶变换是可能的，但我不知道怎么做。在

我正在使用EPD，所以我有很多库可以使用。在

Answer 1

首先，我发现你最初的方法很好，我可能也会尝试同样的方法（我特别欣赏行/列投影后再进行直方图，这是一种被低估的方法，在实际应用中通常是相当有效的）。在

但是，由于您希望获得更可靠的处理管道，下面是一个可能完全自动化的建议（同时也可以通过ImageMagick删除倾斜）：

1. 特征提取：通过广义Hough变换提取圆。正如其他答案中建议的那样，您可以使用OpenCV的Python包装器。探测器可能会漏掉一些圆圈，但这并不重要。在
2. 利用圆应用一个稳健的对准检测器中心。你可以使用Desloneux无参数检测器描述here。不要害怕数学，这个过程很容易实现（你可以在网上找到示例实现）。在
3. 通过选择方向来去除对角线。在
4. 找出线的交点来得到点。通过为这些交点假定理想的固定位置，可以使用这些坐标进行斜交。在

这个管道可能有点CPU密集型（特别是第2步，它将进行某种贪婪的搜索），但它应该是非常健壮和自动的。在

Answer 2

正确的方法是对图像进行连通分量分析，将其分割为“对象”。然后你可以使用更高级的算法（例如，在组件质心上进行hough变换）来检测网格，并通过查看网格包含的活动像素数来确定每个单元格是否处于打开/关闭状态。在