如何从含文本图像提取无文本线条？CV2 HoughLinesP优化方案

要提取图像中不含文本的线条，核心是先过滤文本干扰，再优化线条检测逻辑。你的现有代码存在两个关键问题：一是cv2.threshold返回值处理错误，二是未去除文本就直接检测，导致文本笔画被误识别。以下是针对性的优化方案：

步骤1：修正基础预处理逻辑 #

cv2.threshold会返回两个结果（阈值和处理后的图像），需正确接收；同时改用反二值化让线条/文本成为白色前景，方便后续操作：

import cv2
import numpy as np

# 读取图像并转灰度
img = cv2.imread('/Users/tekija/Documents/image.png')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 反二值化：线条/文本为白色，背景为黑色
_, img_thr = cv2.threshold(img_gray, 120, 255, cv2.THRESH_BINARY_INV)

步骤2：去除文本干扰 #

文本属于小尺寸连通域，可通过两种方式过滤：

方法A：形态学开运算（快速高效） #

用开运算先腐蚀再膨胀，直接去除小的白色文本区域：

# 创建比文本笔画更大的结构元素，尺寸可根据图像调整
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
# 开运算过滤文本
img_clean = cv2.morphologyEx(img_thr, cv2.MORPH_OPEN, kernel)
# 转回正二值化，线条为黑色，背景为白色
img_clean = cv2.bitwise_not(img_clean)

方法B：轮廓过滤（精准可控） #

通过轮廓面积筛选，只保留大尺寸的线条区域：

# 提取所有外部轮廓
contours, _ = cv2.findContours(img_thr, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 创建空白掩码
mask = np.zeros_like(img_gray)
# 保留面积大于阈值的轮廓（过滤小文本）
for cnt in contours:
    if cv2.contourArea(cnt) > 1000:  # 阈值根据实际图像调整
        cv2.drawContours(mask, [cnt], -1, 255, thickness=cv2.FILLED)
# 用掩码得到去除文本后的图像
img_clean = cv2.bitwise_and(img_gray, mask)

步骤3：优化HoughLinesP线条检测 #

在干净图像上调整参数，适配线条的实际尺寸：

# 边缘检测增强线条特征（可选）
edges = cv2.Canny(img_clean, 50, 150)
# 检测线条，调整参数避免漏检或误检
lines = cv2.HoughLinesP(
    edges,
    rho=1,
    theta=np.pi / 180,
    threshold=50,  # 降低阈值减少漏检
    minLineLength=300,  # 根据线条实际长度调整
    maxLineGap=50  # 允许线条间的小间隙
)

# 将检测到的线条绘制到空白图像上
result = np.zeros_like(img)
if lines is not None:
    for line in lines.squeeze():
        x1, y1, x2, y2 = line
        cv2.line(result, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 保存或查看结果
cv2.imwrite('clean_lines.png', result)
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

关键提示 #

• 形态学核尺寸、轮廓面积阈值、HoughLinesP参数需根据你的图像实际情况微调。
• 如果线条存在断裂，可先使用闭运算（cv2.MORPH_CLOSE）连接断裂部分，再进行检测。

内容的提问来源于stack exchange，提问作者user2727167