在本文中，将探讨如何使用Python在计算机视觉领域提取手绘图像中的封闭图形，例如流程图中的图形。将通过以下步骤实现这一目标：
如果急需获取代码，可以直接跳转到文章底部复制代码，并不要忘记点赞和评论。本教程将帮助定位给定图像中的所有封闭图形。一旦获取了这些图形的位置，就可以裁剪这些图形，并应用深度学习模型来获取图形中的文本。通过这种方式，将能够从手绘图像中提取文本。
如果有一些预定义的结构，比如流程图从上到下或从左到右的布局，可以利用这些属性以相同的格式放置文本，或相应地执行任务。
将多色调图像转换为双色调图像（即黑白图像）的过程称为二值化。对于在计算机中创建的具有完美黑白像素值的图像，这种技术很简单，如1.a图所示。已经成功地将图像1.a二值化为图像2.a，如下所示。
如果使用的是设备拍摄的图像，必须应用不同的阈值处理原则。在OpenCV中有多种阈值处理技术，这里只讨论一种，即简单阈值处理。
在这种技术中，对于每个像素，都应用相同的阈值。如果像素值小于阈值，则将其设置为0，否则，将其设置为最大值（对于情况是255）。
# 导入必要的库
import cv2
import numpy as np
# 读取图像
image = cv2.imread('path_to_image')
# 转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 应用简单阈值处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
# 显示二值化后的图像
cv2.imshow('Binary Image', binary)
cv2.waitKey(0)
cv2.destroyAllWindows()
以上代码展示了如何使用OpenCV库读取图像，将其转换为灰度图，然后应用简单阈值处理以实现二值化。这种方法适用于具有明显黑白对比的图像。对于实际拍摄的图像，可能需要调整阈值或使用更复杂的阈值处理方法。