大多数人都在学校里拍过黑板。要么是因为懒得写下黑板上的内容，要么是因为看不清，不得不快速记录。很显然，这些照片中的大部分最终都会被遗忘。别担心，我知道还是因为懒惰。

在我们的脑海中，如果能得到图片内容的摘要，那就更简单了。虽然这是可能的，但必须执行某些操作才能实现。在本文中，我们将探讨如何处理图像以提取文本行。提取文本后，我们就可以利用它来做任何我们想做的事情。

让我们在以下概述的指引下，一起来看看吧：

1- 首先，我们将了解如何从图像中提取黑板

2- 接下来，我们将检索黑板上的所有文本行

我不想一开始就列举我们在实现目标过程中可能面临的困难和挑战。不过，我们会尝试谈论其中的几个问题，并从一开始就设定我们的限制。我们将面临的第一个挑战是图像中的电路板数量。目前，我们只处理一块木板。事实上，提取木板的技术一次只能提取一块木板，如果有两块分开的木板，就无法提取了。

另一个问题是木板的颜色会影响检测。目前，我们要检测的是绿色的木板，而不是黑色或白色的木板。遮挡和图像亮度等其他问题也不容忽视，它们可能会降低检测到木板的几率。

黑板提取过程

让我们来看看从图像中提取木板的过程。我们的第一直觉是木板是平行四边形结构，这意味着它有四条边界。那么问题来了，我们该如何捕捉这种四边形的四条边呢？

每条边界都可以看作一条直线，而直线都有一个仿射方程。确定这四个极点的方程将有助于我们识别木板的边缘。为此，我们将利用霍夫线变换。它究竟是什么？霍夫线性变换（Hough Line Transform）又称霍夫变换（Hough Transform），是一种计算机视觉技术，可用于检测图像中的直线。在本文中，我们不会详细介绍它的工作原理，但对于好奇的人来说，这里有一个链接可以查看。为了将这种变换应用于图像，我们首先需要进行一些预处理，其中之一就是 Canny 边缘检测。它可以简化 Hough 变换，从而更好地检测线条。

检测到图像中的所有线条后，我们需要将它们投影到图像框架上，因为 Hough 变换并不一定会发现横跨整个图像的线条。从 Hough 变换中收集到所有线条后，我们将着手消除不必要的线条。我们将只保留描述木板四边的最佳线条。

因此，有必要为黑板的低水平、高水平、左垂直和右垂直部分捕捉一条线。这些线应该最靠近图像的中心。因此，我们需要关于线条方向（垂直或水平）及其位置（左或右、低或高）的信息。

我们已经有了棋盘每条边对应的直线，现在我们可以利用这些直线的交点和它们的方程来提取棋盘。

文本提取过程

很好，我们已经提取了整个黑板，没有无关的部分。现在该使用本文中的一种技术提取电路板中的每一行文本了。

在这项技术中，第一步是获取所有相连的组件。我们将利用这些组件的边框来计算每个边框的一阶几何力矩，也称为重心。

剩下的工作就是获取位于同一直线上的重心信息。这就需要一个关键信息，即边界框的平均高度，这将使我们能够对力矩进行水平扫描。通过使用参数化范围，我们就可以知道某个时刻是否与另一个时刻位于同一直线上。

上图是该过程的简单示意图。对于给定的点 B，我们想知道它是否与参考点 A 在同一条直线上。我们将根据 A 的 y 坐标，检查 B 的 y 坐标是否在一定范围内，然后加上或减去边界框的平均高度除以 2。如果是，则将其添加到与 A 相同的列表中，否则将其作为参照物，检查另一个点。检查完所有点后，我们会得到一个二维数组，其中每个子数组都是一行文本，包含边界框的有序矩。将这些点连接起来就得到了下图：

有了与同一条直线相关的点的信息，提取直线就变得非常容易了。既然我是个好人，那我就给你一个非常琐碎的方法。我们的点是按列表排序的，列表中包含相应的边框信息。因此，我们需要知道，对于同一条直线上的每一组点，哪个边界框向上偏移最大，哪个边界框向下偏移最大。这将告诉我们如何剪切线条。

在本文中，我们看到了如何从黑板中提取文本行。这个过程包括使用 Hough 变换从图像中只裁剪木板。然后，我们应用连接组件的几何矩，将位于同一直线上的元素分组。此外，还可以将提取的每一行输入 OCR 工具，以便将这些线条转换为数字文本。这种方法并不适用于所有情况，如多块木板提取、低对比度或高亮度的木板图像。但可以通过调整来解决这些问题。该方法中的一些步骤没有提及，否则本文会很冗长。这种提取方法可应用于多种领域，如从图像中提取汽车车牌号码、从笔记本中提取手写文字等。