如何用Python3去除流程图/决策树图像中的形状并保留文本？

嘿，这个问题我之前做OCR预处理的时候踩过类似的坑——流程图里的矩形框确实会严重干扰文本区域检测，分享几个我亲测有效的Python处理思路：

方法一：OpenCV轮廓检测+矩形过滤 #

这个方法的核心是识别出图像中的矩形轮廓，然后将其填充为背景色，只留下文本。步骤很清晰：

1. 图像灰度化、二值化（把文本和背景区分开）
2. 检测所有轮廓，过滤掉符合矩形特征的轮廓（比如顶点数、面积、宽高比）
3. 将这些矩形轮廓填充为背景色，保留文本

代码示例：

import cv2
import numpy as np

def remove_flowchart_boxes(image_path):
    # 读取图像
    img = cv2.imread(image_path)
    # 转灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    # 二值化（自适应阈值适合光照不均的情况；如果是白底黑框黑字，可能需要反色）
    binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
    
    # 检测轮廓
    contours, _ = cv2.findContours(binary, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 遍历轮廓，过滤矩形
    for cnt in contours:
        # 计算轮廓的近似多边形
        epsilon = 0.02 * cv2.arcLength(cnt, True)
        approx = cv2.approxPolyDP(cnt, epsilon, True)
        
        # 判断是否为矩形：4个顶点，且面积、宽高比符合流程图框的特征
        area = cv2.contourArea(cnt)
        x, y, w, h = cv2.boundingRect(cnt)
        aspect_ratio = w / float(h)
        
        # 参数需根据你的图像调整：面积太小的是文本，太大的可能不是框
        if len(approx) == 4 and area > 1000 and 0.5 < aspect_ratio < 2:
            # 将矩形填充为背景色（假设背景是白色，用255；深色背景改成0）
            cv2.drawContours(img, [cnt], -1, (255, 255, 255), thickness=cv2.FILLED)
    
    # 保存处理后的图像
    cv2.imwrite("cleaned_image.jpg", img)
    return img

# 调用示例
remove_flowchart_boxes("flowchart.png")

方法二：颜色分割+图像修复 #

如果你的流程图框是固定颜色（比如蓝色、黑色），可以先把框的颜色区域提取出来，再用OpenCV的图像修复功能填补这些区域，保留文本：

import cv2
import numpy as np

def remove_colored_boxes(image_path):
    img = cv2.imread(image_path)
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    
    # 定义框的颜色范围（这里以蓝色为例，需用取色工具获取自己图像的HSV值）
    lower_blue = np.array([90, 50, 50])
    upper_blue = np.array([130, 255, 255])
    
    # 生成颜色掩码
    mask = cv2.inRange(hsv, lower_blue, upper_blue)
    # 膨胀掩码，确保框的边缘都被覆盖
    kernel = np.ones((3,3), np.uint8)
    mask = cv2.dilate(mask, kernel, iterations=1)
    
    # 用图像修复填补框的区域
    cleaned_img = cv2.inpaint(img, mask, 3, cv2.INPAINT_TELEA)
    
    cv2.imwrite("cleaned_image_color.jpg", cleaned_img)
    return cleaned_img

方法三：结合OCR文本区域检测 #

如果上面的方法效果不好，可以先让OCR工具（比如Tesseract）检测出文本区域，然后只保留这些区域，把其他区域（框）置为背景：

import cv2
import pytesseract
from pytesseract import Output

def keep_only_text_regions(image_path):
    img = cv2.imread(image_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 用Tesseract检测文本区域
    d = pytesseract.image_to_data(gray, output_type=Output.DICT)
    n_boxes = len(d['text'])
    
    # 创建全白背景
    cleaned_img = np.ones_like(img) * 255
    
    # 遍历每个检测到的文本框，把原图对应区域复制到新图像
    for i in range(n_boxes):
        if int(d['conf'][i]) > 60:  # 只保留置信度高的文本区域
            (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
            cleaned_img[y:y+h, x:x+w] = img[y:y+h, x:x+w]
    
    cv2.imwrite("cleaned_image_ocr.jpg", cleaned_img)
    return cleaned_img

小提示 #

• 不同的流程图参数不一样，比如轮廓过滤的面积阈值、颜色范围，你需要根据自己的图像调整；
• 如果框是虚线，建议先做一次形态学膨胀，把虚线变成实线再检测；
• 二值化的时候如果文本和框颜色接近，可以尝试调整阈值或者用边缘检测辅助。

内容的提问来源于stack exchange，提问作者Bade