如何用OpenCV识别无外边框表格的最大轮廓并提取数据？

一、优化预处理流程（解决阈值与线条断裂问题） #

• 替换固定阈值为自适应阈值：无外边框表格易受光照不均影响，固定阈值容易丢失细线条，自适应阈值能更好保留单元格边界：

  gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  # 自适应高斯阈值，块大小选奇数，C为从均值中减去的常数，可根据图像调整
  thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 15, 2)
  

• 分方向增强线条：单独处理水平、垂直线条，避免单一膨胀核破坏表格结构：

  # 提取水平线条：用宽高比大的核做开运算
  horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (20, 1))
  horizontal_lines = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
  # 提取垂直线条：用宽高比小的核做开运算
  vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 20))
  vertical_lines = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel, iterations=2)
  # 合并线条得到完整网格，再做一次膨胀强化
  combined = cv2.addWeighted(horizontal_lines, 0.5, vertical_lines, 0.5, 0)
  combined = cv2.dilate(combined, cv2.getStructuringElement(cv2.MORPH_RECT, (2,2)), iterations=1)
  

二、重新设计轮廓筛选逻辑（不依赖"最大矩形"） #

无外边框表格没有整体外轮廓，不能直接通过最大矩形定位，可通过以下方式锁定表格区域：

• 提取有效单元格轮廓：

  contours, _ = cv2.findContours(combined, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  cell_contours = []
  for cnt in contours:
      x, y, w, h = cv2.boundingRect(cnt)
      # 根据实际表格尺寸过滤噪点与非单元格区域
      if 50 < w < 500 and 20 < h < 100:
          cell_contours.append(cnt)
  

• 通过坐标聚类确定表格边界：
  收集所有单元格的坐标极值，推导表格整体矩形范围：

  xs = []
  ys = []
  for cnt in cell_contours:
      x, y, w, h = cv2.boundingRect(cnt)
      xs.extend([x, x+w])
      ys.extend([y, y+h])
  # 计算表格的左上角与右下角坐标
  table_x_min, table_y_min = min(xs), min(ys)
  table_x_max, table_y_max = max(xs), max(ys)
  # 得到表格的整体矩形参数（x, y, width, height）
  table_rect = (table_x_min, table_y_min, table_x_max - table_x_min, table_y_max - table_y_min)
  

三、后续数据提取衔接（针对Name与Favorite列） #

得到表格矩形后，即可裁剪区域并分割列：

• 裁剪表格ROI：

  table_roi = img[table_y_min:table_y_max, table_x_min:table_x_max]
  

• 列分割与内容识别：根据单元格的x坐标聚类，区分Name列与Favorite列的x范围，用OCR工具（如pytesseract）识别单元格内容后，存入Pandas DataFrame。

关键调整要点 #

• 自适应阈值的块大小与C值需根据图像实际调整：块越大抗光照干扰越强，但可能丢失细线条；C值越大阈值越严格。
• 形态学核的尺寸要匹配表格单元格的实际大小，避免过度膨胀或线条增强不足。
• 轮廓筛选的宽高阈值需根据目标表格的单元格尺寸设定，避免误过滤有效区域或保留噪点。

内容的提问来源于stack exchange，提问作者na_sacc