如何基于网格线分割图像为行，再执行OCR并存储结果？

一、图像预处理 #

先对图像做基础处理，突出分割线和文字区域：

• 转灰度图：消除颜色干扰，用OpenCV的cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)实现。
• 二值化反转：将分割线转为黑色、背景转为白色，便于后续检测。推荐用OTSU自动阈值：

  ret, thresh_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
  

二、检测横向分割线 #

通过形态学操作强化线条，再提取分割位置：

• 创建水平结构核：用cv2.getStructuringElement(cv2.MORPH_RECT, (width, 1))，其中width设为比单行长文字更宽的数值（比如50，可根据图像调整），目的是把断裂的横向线条连为完整的线。
• 闭运算强化线条：用cv2.morphologyEx(thresh_img, cv2.MORPH_CLOSE, kernel)，填补线条的缝隙，让分割线更连续。
• 提取分割线轮廓：

  contours, _ = cv2.findContours(closed_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
  

• 筛选并排序分割线y坐标：遍历轮廓，只保留高度极小的（比如高度<5）水平轮廓，提取每个轮廓的顶部y坐标，然后排序得到有序的分割位置列表。

三、分割图像为单行区域 #

• 补全边界：把图像顶部（y=0）和底部（y=图像高度）加入分割坐标列表，形成完整的行边界：

  y_boundaries = [0] + sorted_line_ys + [original_img.shape[0]]
  

• 逐行裁剪：遍历相邻的y边界，裁剪对应区域：

  row_images = []
  for i in range(len(y_boundaries)-1):
      top_y = y_boundaries[i]
      bottom_y = y_boundaries[i+1]
      row_img = original_img[top_y:bottom_y, :]
      row_images.append(row_img)
  

  最终row_images就是分割好的每行图像，直接用于后续OCR即可。

关键调整点 #

• 如果分割线检测不全，增大结构核的width值；如果误把文字当成分割线，缩小width或严格限制轮廓高度。
• 若二值化效果差，可尝试手动设置阈值，替换OTSU自动阈值。

内容的提问来源于stack exchange，提问作者user18025483