在OpenCV中将网格分割成独立的小格子，通常需要结合图像处理技术和一些几何算法。下面是一个详细的步骤指南以及示例代码，帮助您完成这一任务。 ### 步骤一：读取并预处理图像 首先加载包含网格结构的图像，并对其进行必要的预处理操作，如灰度化、二值化及降噪等，以便更好地识别网格线和提取单个单元格信息。 ```python import cv2 import numpy as np # 读取原始图像 image = cv2.imread('grid_image.png', cv2.IMREAD_COLOR) # 转换为灰度图像 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用高斯模糊去除噪音并应用自适应阈值分割得到二值图像 blurred = cv2.GaussianBlur(gray, (7, 7), 0) binary = cv2.adaptiveThreshold(blurred, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2) cv2.imshow("Binary Image", binary) cv2.waitKey(0) ``` ### 步骤二：检测垂直水平线条 利用形态学运算增强网格线条特征，并分离出水平和垂直方向上的直线集合。这有助于后续确定各列行边界位置。 ```python # 定义内核大小用于形态变换 kernel_size_vertical = [1, int(binary.shape[1] / 30)] kernel_size_horizontal = [int(binary.shape[0] / 30), 1] # 创建对应的直条形结构元素（Kernel） vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, tuple(kernel_size_vertical)) horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, tuple(kernel_size_horizontal)) # 分别对图像做闭合操作加强纵向横向边缘效果 eroded_vertical_lines = cv2.erode(binary, vertical_kernel, iterations=3) dilated_vertical_lines = cv2.dilate(eroded_vertical_lines, vertical_kernel, iterations=3) eroded_horizontal_lines = cv2.erode(binary, horizontal_kernel, iterations=3) dilated_horizontal_lines = cv2.dilate(eroded_horizontal_lines, horizontal_kernel, iterations=3) cv2.imshow("Vertical Lines", dilated_vertical_lines) cv2.imshow("Horizontal Lines", dilated_horizontal_lines) cv2.waitKey(0) ``` ### 步骤三：查找交点形成矩阵索引 通过寻找交叉点作为参考系建立二维数组来保存每个小方格的位置范围。我们可以基于之前获取到的主要线条创建掩膜层相乘求得所有交汇处的具体坐标。 ```python # 将两幅图像合并获得完整的表格框架 combined_lines = cv2.add(dilated_vertical_lines, dilated_horizontal_lines) # 查找轮廓以定位每一个节点 contours, _ = cv2.findContours(combined_lines.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) intersection_points = [] for contour in contours: x, y, w, h = cv2.boundingRect(contour) # 只保留足够小但是非零尺寸的对象认为是有效交点 if min(w, h) > 1 and max(w, h) < 20: intersection_points.append([x + w // 2, y + h // 2]) # 对找到的所有交点按行列排序构建表结构 sorted_intersections = sorted(intersection_points, key=lambda point: (point[1], point[0])) rows = [[]] last_y = None for idx, pt in enumerate(sorted_intersections): current_y = pt[1] if last_y is not None and abs(current_y - last_y) >= 20: rows[-1].sort(key=lambda ptxy: ptxy[0]) rows.append([]) rows[-1].append(pt) last_y = current_y if len(rows[-1]) != 0: rows[-1].sort(key=lambda ptxy: ptxy[0]) else: