OpenCV新手求助：如何将多张图表图像转换为数组并还原绘图

核心思路拆解 #

新手入门不用搞复杂，核心就是三步：图像预处理→提取曲线与坐标轴→像素坐标转数值数组，先从你提供的这类简单折线图练手就行。

具体操作步骤 #

1. 图像预处理（OpenCV基础操作） #

• 读入图像：用cv2.imread()加载本地图像，转灰度图cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)，减少颜色干扰。
• 二值化：通过cv2.threshold()把图像转成黑白，让曲线和坐标轴更突出，比如ret, binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY_INV)，可以根据图像明暗调整阈值（127是示例值）。
• 降噪：如果图像有杂点，用cv2.medianBlur()或cv2.GaussianBlur()过滤，避免后续误识别曲线像素。

2. 提取关键元素 #

• 定位坐标轴：新手可以先手动标记坐标轴的像素位置——比如左下角是(x_start, y_end)，x轴最右端是(x_end, y_end)，y轴最上端是(x_start, y_start)。熟练后再用cv2.findContours()自动识别坐标轴轮廓。
• 提取曲线像素：遍历二值化后的图像，找出曲线对应的像素点（比如二值化后曲线是白色，就找像素值为255的点），记录它们的(x,y)坐标。注意：OpenCV的图像坐标系是左上角为原点，y轴向下，所以后续要把y坐标反转成常规数值坐标系的方向。

3. 像素坐标转数值数组 #

• 确定映射规则：根据你标记的坐标轴像素位置，设定数值范围。比如x轴像素从50到600，对应数值0到10；y轴像素（反转后）从50到400，对应数值0到5。
• 线性映射计算：对每个曲线像素点(x_pixel, y_pixel)，用公式转成数值：
  • 数值x = (x_pixel - x_start) * (x_max - x_min) / (x_end - x_start) + x_min
  • 数值y = (y_pixel - y_start) * (y_max - y_min) / (y_end - y_start) + y_min
• 把转换后的数值存入数组（比如Python的list或numpy数组），就可以用来重新绘图。

4. 新手验证技巧 #

• 每一步用cv2.imshow()查看处理结果，调整参数（比如阈值、模糊程度）直到线条清晰。
• 用matplotlib把提取的数组绘图，和原图对比，微调映射参数，直到视觉上和原图一致。

入门示例代码（Python） #

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 1. 读取并预处理图像
img = cv2.imread('your_chart.jpg')
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 二值化，根据图像明暗调整阈值（这里200是示例）
ret, binary_img = cv2.threshold(gray_img, 200, 255, cv2.THRESH_BINARY_INV)
# 降噪处理
binary_img = cv2.medianBlur(binary_img, 3)

# 2. 提取曲线像素点（白色像素对应曲线）
y_pixels, x_pixels = np.where(binary_img == 255)
# 反转y坐标，适配常规数值坐标系
y_pixels = img.shape[0] - y_pixels

# 3. 手动设定坐标轴映射参数（根据你的图表实际位置调整）
x_num_min, x_num_max = 0, 10    # 数值x的范围
y_num_min, y_num_max = 0, 5     # 数值y的范围
x_pixel_start, x_pixel_end = 50, 600  # x轴像素起止
y_pixel_start, y_pixel_end = 50, 400  # 反转后y轴像素起止

# 计算数值数组
numeric_x = (x_pixels - x_pixel_start) * (x_num_max - x_num_min) / (x_pixel_end - x_pixel_start) + x_num_min
numeric_y = (y_pixels - y_pixel_start) * (y_num_max - y_num_min) / (y_pixel_end - y_pixel_start) + y_num_min

# 4. 绘图验证
plt.plot(numeric_x, numeric_y, 'b-')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.show()

内容的提问来源于stack exchange，提问作者Latome