表格识别之图像基础+轮廓提取+透视校正

一、图片读取cv2.imread（路径，格式3选1）

格式=1：彩色；0：灰度；-1同1，数据结构如下：

前面是彩色图，三维；后面是灰度图，二维。

 二、图像二值化cv2.threshold，cv2.adaptiveThreshold

1. cv2.threshold(对象，阈值，设定值，阈值规则5选1），可处理彩色图。比如：

ret,th1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)。

ret：True或False，代表有没有读到图片；dst： 目标图像；

表示大于127值的全置为255，否则置为0。

2. cv2.adaptiveThreshold(加工对象，设定值，计算方法2选1，阈值规则5选1，阈值区域大小，常量），只能处理灰色图。比如：

th3 = cv2.adaptiveThreshold(~img,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,35,-5)，35*35区域？加权平均加上5设为阈值（常量可以为负），大于阈值置为255，否则置0。文字表格效果不错，见下图：

不加“~”，即在源对象前不加“~”，cv2.adaptiveThreshold(img,255,...，效果如下：

三、图像平滑处理（滤波降噪）cv2.blur、cv2.boxFilter、cv2.medianBlur、cv2.GaussianBlur、cv2.bilateralFilter

1. 均值滤波：cv2.blur(对象，核大小)，如：blur = cv2.blur(img,(3,3))，该点对应核中中心，设定值为核大小范围内的所有值平均，边缘处理不详，如下：

2.方框滤波：类似均值滤波，最后一个参数Ture时取均值，为False时，取和。

3.中值滤波：cv2.medianBlur(对象，n),n为大于1的奇数。取中位数，边缘处理不详，如下：

 

4.高斯滤波(貌似用的很多)：cv2.GaussianBlur(对象,核,0,0),核中心权重最大，周围依次下降，后面两个参数，可只设置一个，应该是X、Y轴的计算微调，网上说是标准差之类。

3X1的核，权重为25%、50%、25%。3X3核依次为：0.0625、​0.125、​0.0625、0.125、​0.25、​0.125、0.0625​、0.125、​0.0625。如果将差参数置1，会产生小量变化。

5.双边滤波：cv2.bilateralFilter（对象，n,0,0)，n代表核大小，又有说直径范围，后两个参数分别代表颜色、位置的微调值（标准差）。计算方法不详，同时考虑距离和差值，过于复杂，反应慢。能很好的保留边缘信息。用法举例:cv2.bilateralFilter(gray,9,75,75)。

 6.网上小结： 

• 在不知道用什么滤波器好的时候，优先高斯滤波cv2.GaussianBlur()，然后均值滤波cv2.blur()。
• 斑点和椒盐噪声优先使用中值滤波cv2.medianBlur()。
• 要去除噪点的同时尽可能保留更多的边缘信息，使用双边滤波cv2.bilateralFilter()。
• 线性滤波方式：均值滤波、方框滤波、高斯滤波（速度相对快）。
• 非线性滤波方式：中值滤波、双边滤波（速度相对慢）。

四、图像边缘检测cv2.canny、cv2.sobel、cv2.Laplacian

1、cv2.Canny(对象，最小值，最大值），可选参数apertureSize=7，最大为7效果不错，线框闭合，对比如下：

apertureSize： aperture size for the Sobel operator.算子的孔径大小。