我正在一个项目中从这样的图像中重新调整位代码，其中黑色矩形表示 0 位，白色（空白，不可见）1 位。
有人有任何想法来处理图像以提取这些信息吗？我的项目是用 jav 编写的，但可以接受任何解决方案。预先感谢。
感谢大家的支持。我不是图像处理方面的专家，我尝试使用 Canny 边缘检测器实现来应用边缘检测，免费的 java 实现在这里找到。我使用了这张完整的图像 [http://img257.imageshack.us/img257/5323/colorimg.png]，缩小它（比例因子 = 0.4）以进行快速处理，这就是结果 [http://img222.imageshack .us/img222/8255/colorimgout.png]。现在，我如何解码具有 0 位值的白色矩形，而没有 1 的矩形？图像有 10 行 X 16 列。我不使用 python，但我可以尝试将其转换为 Java。非常感谢支持。
这是识别良好的旧OMR（光学标记识别）。
解决方案因您获得的数据的质量和一致性而异，因此噪声很重要。
使用图像处理库显然会有所帮助。
简单案例：图像无歪斜，无拉伸或收缩
创建图像的水平和垂直轮廓。即总结所有列和所有行中的值并存储在数组中。对于 MxN（宽 x 高）的图像，您将在水平轮廓中有 M 个单元格，在垂直轮廓中有 N 个单元格。
使用阈值来找出哪些单元格是白色的（空的），哪些是黑色的。这假设您将在每行或每列中至少获得几个条目。因此，黑色单元格将定义一个感兴趣的位置（您会期望标记的位置）。
基于此，您可以在表格中定义菱形并获得菱形的坐标（有标记的矩形），然后只需将每个菱形中的像素值相加并根据数字，您可以定义它是否有标记或不是。
案例 2：倾斜（图像中倾斜）
使用傅立叶 (FFT) 找到倾斜值，然后对其进行变换。
案例 3：拉伸或收缩
几乎与 1 相同，但噪音更高，可靠性更低。
Aliostad 发表了一些很好的评论。
这是 OMR，您会发现使用良好的图像处理库更容易获得良好的一致结果。www.leptonica.com 是一个免费的开源“C”库，是一个很好的起点。它可以为您处理偏差和阈值任务。将阈值设置为 B/W 将是一个好的开始。
另一种选择是 IEvolution - http://www.hi-components.com/nievolution.asp for .NET。
要取得成功，您将需要某种类型的参考/注册标记以允许倾斜和拉伸，尤其是在您使用文档扫描或从相机图像捕获时。
我对Java不熟悉，但是在Python中，你可以使用成像库来打开图像。然后加载高度和宽度，并根据高度/行和宽度/列将图像分割成一个网格。然后，只需在这些区域中查找黑色像素，或者 PIL 记录该黑色的任何颜色。这显然依赖于数据的网格性质。
编辑：
做边缘检测也可能是富有成效的。首先应用类似于维基百科的边缘检测方法。我使用了在 archive.alwaysmovefast.com/basic-edge-detection-in-python.html 找到的那个。然后将任何小于 180 的灰度值（如果您想让框变暗，只需增加该值）转换为黑色，否则将其变为完全白色。然后创建边界框，即像素全为白色的线。如果数据不是非常偏斜，那么这应该工作得很好，否则你可能需要做更多的工作。结果见这里：http: //imm.io/2BLd
编辑2：
Denis，你的数据集有多大，图像有多大？如果您有数千张这样的图像，那么手动删除边框（红色背景和黄色条）是不可行的。我认为在继续之前了解这一点很重要。此外，我认为 prewitt 边缘检测在这种情况下可能会更有用，因为噪音似乎更少：
可以应用之前的分割方法，如果您按照以下方式对bin进行预处理，则只需在一些训练样本后计算黑色或白色像素的数量和阈值即可。
