如何在不损失画质的前提下去除图像中的表头边框？

问题背景 #

我有一张图像，其中表头带有边框，数据区域无边框，现希望在不损失画质的情况下去除这些边框或线条。

原始图像：

尝试以下代码后得到全黑图像：

import cv2
import numpy as np

image = cv2.imread('your_image.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
_, thresh = cv2.threshold(blurred, 200, 255, cv2.THRESH_BINARY_INV)
kernel = np.ones((5, 5), np.uint8)
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)
opened = cv2.morphologyEx(closed, cv2.MORPH_OPEN, kernel, iterations=2)
result = cv2.bitwise_and(image, image, mask=opened)

cv2.imshow('Original', image)
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

试过Stack Overflow上的一些方案，但都无法解决问题，反而会让文字变浅。需要找到能去除文字周围边框的方法。

可行方案 #

通过精准提取表头的水平/垂直线条，再用图像修复技术还原边框区域的背景，同时完整保留文字细节，具体实现如下：

import cv2
import numpy as np

# 读取目标图像（替换为你的图片路径）
image = cv2.imread('UwD2f.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 1. 边缘检测定位线条轮廓
edges = cv2.Canny(gray, 50, 150)

# 2. 构造结构元素，分别提取水平和垂直边框线条
# 水平线条结构：宽长形，匹配表头的横线
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (40, 1))
horizontal_lines = cv2.morphologyEx(edges, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)

# 垂直线条结构：高瘦形，匹配表头的竖线
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 40))
vertical_lines = cv2.morphologyEx(edges, cv2.MORPH_OPEN, vertical_kernel, iterations=2)

# 3. 合并线条生成边框掩码，膨胀确保覆盖所有细边框
border_mask = cv2.addWeighted(horizontal_lines, 0.5, vertical_lines, 0.5, 0)
border_mask = cv2.dilate(border_mask, np.ones((2,2), np.uint8), iterations=1)

# 4. 图像修复：用周围像素填充边框区域，保留文字
result = cv2.inpaint(image, border_mask, 3, cv2.INPAINT_TELEA)

# 查看结果并保存
cv2.imshow('Original', image)
cv2.imshow('Border Mask', border_mask)
cv2.imshow('Fixed Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('border_removed.png', result)

关键说明 #

• 用Canny边缘检测替代直接阈值化，避免误把文字纳入掩码导致全黑结果
• 针对水平/垂直边框设计不同的结构元素，精准区分边框线条和文字笔画，不会误删文字
• cv2.inpaint的TELEA算法基于邻域像素插值修复，能完美还原边框处的白色背景，同时保证文字清晰度，不会出现文字变浅的问题

内容的提问来源于stack exchange，提问作者lytewa