任务是获取文档的图像，并利用围绕不同“部分”的直线将图像拆分为不同的文档以进行进一步解析。不同“部分”的大小因页面而异（我们正在处理数千页）。这是其中一张图片的样子：
文档布局示例：
图像分析/处理对我来说是全新的。到目前为止，我已经尝试使用 Scikit 图像边缘检测算法来找到“框”，并希望使用这些“坐标”来切割图像。但是，我尝试过的两种算法（Canny，Hough）在高灵敏度时将文本行作为“边缘”，而不是在低灵敏度时提取我想要的行。我可以编写一些自定义和低级别的东西来自己检测这些盒子，但我必须假设这是一个已解决的问题。
我的方法是否朝着正确的方向发展？谢谢！
您似乎没有得到任何OpenCV答案，所以我尝试了ImageMagick，就在命令行的终端中。ImageMagick安装在大多数 Linux 发行版上，可免费用于 macOS 和 Windows。该技术很容易适应OpenCV，因此如果它适合您，您可以将其移植。
我的第一步是做一个 5x5 的盒子过滤器和 80% 的阈值，以消除噪声和扫描伪影，然后反转（可能是因为我打算使用形态学，但最终没有）。
convert news.jpg -depth 16 -statistic mean 5x5 -threshold 80% -negate z.png
然后我通过“连接组件分析”运行它并丢弃所有面积太小（低于 2000 像素）的 blob：
convert news.jpg -depth 16 -statistic mean 5x5 -threshold 80% -negate \
-define connected-components:verbose=true \
-define connected-components:area-threshold=2000 \
-connected-components 4 -auto-level output.png
输出
Objects (id: bounding-box centroid area mean-color):
110: 1254x723+59+174 686.3,536.0 901824 srgb(0,0,0)
2328: 935x723+59+910 526.0,1271.0 676005 srgb(0,0,0)
0: 1370x1692+0+0 685.2,712.7 399651 srgb(0,0,0)
2329: 303x722+1007+911 1158.0,1271.5 218766 srgb(0,0,0)
25: 1262x40+54+121 685.2,140.5 49820 srgb(255,255,255)
109: 1265x735+54+168 708.3,535.0 20601 srgb(255,255,255)
1: 1274x64+48+48 675.9,54.5 16825 srgb(255,255,255)
2326: 945x733+54+905 526.0,1271.0 16660 srgb(255,255,255)
2327: 312x732+1003+906 1169.9,1271.5 9606 srgb(255,255,255) <--- THIS ONE
421: 403x15+328+342 528.6,350.1 4816 srgb(255,255,255)
7: 141x23+614+74 685.5,85.2 2831 srgb(255,255,255)
这些字段在第一行中标记，但有趣的是第二个（块几何）和第四个字段（斑点区域）。如您所见，有 11 行，所以它在图像中找到了 11 个斑点。第二个字段，AxB+C+D表示一个矩形A像素宽乘B像素高，其左上角C像素从图像的左边缘开始，D像素从顶部向下。
让我们看看我用箭头标记的那个，它开始2327: 312x732+1003+906并在那个上面画一个矩形：
convert news.jpg -fill "rgba(255,0,0,0.5)" -draw "rectangle 1003,906 1315,1638" oneArticle.png
如果您想将该文章裁剪为新图像：
convert news.jpg -crop 312x732+1003+906 article.jpg
如果我们绘制所有其他框，我们得到：