在表格识别、文档分析等场景中，精准提取水平线和垂直线是核心需求。本文通过形态学腐蚀 + 膨胀的组合操作，演示如何针对性提取图像中的水平线 / 垂直线，新手可直接复用。
核心代码实现
python
import cv2 as cv
import numpy as np
# 1. 读取图像并校验
src = cv.imread(".\image\7.bmp")
if src is None:
print('could not load image')
exit()
# 2. 自适应窗口显示原图
cv.namedWindow('src', cv.WINDOW_NORMAL)
cv.resizeWindow('src', 800, 400)
cv.imshow("src", src)
# 3. 预处理：灰度化+反向二值化（线条转为白色）
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
ret, binary = cv.threshold(gray, 180, 255, cv.THRESH_BINARY_INV)
# 4. 计算横竖线核尺寸（适配图像尺寸自动调整）
a = int(gray.shape[0]/32) # 垂直线核宽度
b = int(gray.shape[1]/64) # 水平线核高度
# 5. 创建结构化元素（横竖线专用核）
kernel_v = cv.getStructuringElement(cv.MORPH_RECT, (a, 1)) # 垂直线核（高1，宽a）
kernel_h = cv.getStructuringElement(cv.MORPH_RECT, (1, b)) # 水平线核（宽1，高b）
# 6. 提取水平线：腐蚀+膨胀（开运算等价操作）
eroded = cv.erode(binary, kernel_h)
dilated = cv.dilate(eroded, kernel_h)
# 7. 显示提取结果
cv.namedWindow('outimage', cv.WINDOW_NORMAL)
cv.resizeWindow('outimage', 800, 400)
cv.imshow('outimage', dilated)
cv.waitKey(0)
cv.destroyAllWindows()关键知识点解析
1. 横竖线提取核心逻辑
| 线条类型 | 结构化元素（核） | 操作原理 | 核尺寸计算逻辑 |
|---|---|---|---|
| 垂直线 | (a, 1) |
宽为 a、高为 1 的矩形核，仅保留垂直方向像素 | 基于图像高度shape[0]按比例计算 |
| 水平线 | (1, b) |
宽为 1、高为 b 的矩形核，仅保留水平方向像素 | 基于图像宽度shape[1]按比例计算 |
2. 核心操作说明
- 反向二值化（THRESH_BINARY_INV）：将线条转为白色、背景转为黑色，符合形态学操作的像素分布要求；
- 腐蚀 + 膨胀：等价于开运算，既能保留目标线条，又能消除无关噪点，避免单一线条提取不完整；
- 核尺寸自适应 ：通过
shape[0]/32、shape[1]/64按比例计算核尺寸，适配不同分辨率图像，无需手动调参。
3. 扩展技巧
- 提取垂直线：将代码中
kernel_h替换为kernel_v即可； - 同时提取横竖线：分别提取后通过
cv.bitwise_or合并结果； - 优化线条完整性：若线条断裂，可将腐蚀 / 膨胀操作替换为闭运算（
cv.morphologyEx(..., cv.MORPH_CLOSE, kernel)）。
总结
- 提取横竖线的核心是专用结构化元素 ：水平线用
(1, 高度)核，垂直线用(宽度, 1)核； - 腐蚀 + 膨胀组合操作可有效过滤噪点，保证线条提取的纯净度；
- 按图像尺寸比例计算核尺寸，可适配不同分辨率的图像。