识别图片中曲线并获取其坐标

识别图片中曲线并获取其坐标

github主页：https://github.com/Taot-chen

有时候需要用到一些数据库里面曲线图的数据，进行进一步的变换处理，但是很多时候都只有图片，没有数据。基于这个问题，给出了以下算法。
思路：

 1）通过图像算法中常用的边界识别的方法来识别曲线；
 2）根据曲线上每一点的像素坐标和坐标轴的数值范围，来计算曲线上每一个像素点在坐标轴中的像素坐标。

实现过程：

一、曲线识别

1）图片预处理

思路：
 将待处理的图像转换成灰度图，在转换成二值图像；対二值图像的每一行和每一列的像素求和，根据像素和识别出图像的坐标轴范围；在坐标轴范围内遍历二值图像的每一列，将每列中像素值为0的像素下面的像素值全部置零。

原图：
[(img-PlRNIiCW-1636440564958)(“图片路径”, “原图”)]

具体实现：

将图像转换成二值图像：

    # 打开图片
    img = cv.imread(pic_name)
    # 灰度化
    gray_img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    # 二值化
    # 此时的第二个和第三个参数，
    # 即二值化的上下阈值需要根据图片的实际情况个来调整
    ret, binary_img = cv.threshold(gray_img, 180, 255, cv.THRESH_BINARY)

识别坐标轴的范围：

    # 图像像素按行和列求和
    # 二值图像反相
    con_bi_img = 255 - binary_img
    column_sum_img = np.sum(con_bi_img, axis=0)
    row_sum_img = np.sum(con_bi_img, axis=1)
    
    # 排序
    sort_column_sum = np.sort(column_sum_img)
    sort_column_sum_indices = np.argsort(column_sum_img)
    sort_row_sum = np.sort(row_sum_img)
    sort_row_sum_indices = np.argsort(row_sum_img)
    
    print("列：\n")
    print(sort_column_sum[len(sort_column_sum) - 5:])
    print(sort_column_sum_indices[len(sort_column_sum_indices) - 5:])
    print("行：\n")
    print(sort_row_sum[len(sort_row_sum) - 5:])
    print(sort_row_sum_indices[len(sort_row_sum_indices) - 5:])

将曲线和坐标轴之间的区域设置成黑色：

for i in range(45, 773):
        flag = 0
        for j in range(73, 495):
            if binary_img[j][i] == 0:
                flag += j
                break
        for j in range(flag, 495):
            binary_img[j][i] = 0
</