python解决数独问题_Python-如何消除数独方块中的凸度缺陷？

小编典典

我有一个可行的解决方案，但是你必须自己将其转换为OpenCV。它用Mathematica编写。

第一步是通过将每个像素除以关闭操作的结果来调整图像的亮度：

src = ColorConvert[Import["http://davemark.com/images/sudoku.jpg"], "Grayscale"];

white = Closing[src, DiskMatrix[5]];

srcAdjusted = Image[ImageData[src]/ImageData[white]]

下一步是找到数独区域，因此我可以忽略(遮罩)背景。为此，我使用了连通成分分析，并选择了具有最大凸面面积的成分：

components =

ComponentMeasurements[

ColorNegate@Binarize[srcAdjusted], {"ConvexArea", "Mask"}][[All,

2]];

largestComponent = Image[SortBy[components, First][[-1, 2]]]

通过填充此图像，我得到了数独网格的蒙版：

mask = FillingTransform[largestComponent]

现在，我可以使用二阶导数滤波器在两个单独的图像中查找垂直线和水平线：

lY = ImageMultiply[MorphologicalBinarize[GaussianFilter[srcAdjusted, 3, {2, 0}], {0.02, 0.05}], mask];

lX = ImageMultiply[MorphologicalBinarize[GaussianFilter[srcAdjusted, 3, {0, 2}], {0.02, 0.05}], mask];

我再次使用连接的分量分析从这些图像中提取网格线。网格线比数字长得多，因此我可以使用卡尺长度来仅选择与网格线相连的组件。按位置对它们进行排序，对于图像中的每个垂直/水平网格线，我得到2x10的蒙版图像：

verticalGridLineMasks =

SortBy[ComponentMeasurements[

lX, {"CaliperLength", "Centroid", "Mask"}, # > 100 &][[All,

2]], #[[2, 1]] &][[All, 3]];

horizontalGridLineMasks =

SortBy[ComponentMeasurements[

lY, {"CaliperLength", "Centroid", "Mask"}, # > 100 &][[All,

2]], #[[2, 2]] &][[All, 3]];

接下来，我将每对垂直/水平网格线进行放大，将它们相乘，计算出像素间的交点，并计算结果的中心。这些点是网格线的交点：

centerOfGravity[l_] :=

ComponentMeasurements[Image[l], "Centroid"][[1, 2]]

gridCenters =

Table[centerOfGravity[

ImageData[Dilation[Image[h], DiskMatrix[2]]]*

ImageData[Dilation[Image[v], DiskMatrix[2]]]], {h,

horizontalGridLineMasks}, {v, verticalGridLineMasks}];

最后一步是为通过这些点的X / Y映射定义两个插值函数，并使用这些函数变换图像：

fnX = ListInterpolation[gridCenters[[All, All, 1]]];

fnY = ListInterpolation[gridCenters[[All, All, 2]]];

transformed =

ImageTransformation[

srcAdjusted, {fnX @@ Reverse[#], fnY @@ Reverse[#]} &, {9*50, 9*50},

PlotRange -> {{1, 10}, {1, 10}}, DataRange -> Full]

所有操作都是基本的图像处理功能，因此在OpenCV中也应该可行。基于样条的图像转换可能会更困难，但我认为你并不是真的需要它。可能使用你现在在每个单个单元格上使用的透视变换，将获得足够好的结果。

2020-02-18