我创建了一个 iPhone 应用程序，它可以扫描一张方格纸的图像，然后告诉我哪些方块已被涂黑，哪些方块是空白的。
我通过从左到右扫描并使用方格纸的线条作为指导来完成此操作。当我遇到方格纸线时，我开始寻找黑色，直到再次碰到方格纸线。然后，我不再沿着扫描线继续扫描，而是继续完全扫描正方形以查找黑色。然后我继续到下一个盒子。在该行的末尾，我在开始新行扫描之前跳过了很多像素（因为我已经算出了每个盒子的高度）。
这种方法可行，但也存在问题。有时我会把图表线误认为是“黑色”。有时，如果图像倾斜，或者页面上没有均匀的照明，那么我就不会得到好的结果。
我想做的是指定一些“对齐”框，然后调整它们的大小并旋转（和倾斜）图片以与这些框对齐。然后，我在想，一旦我将图像对齐，我就会知道所有盒子在哪里，并且不必扫描盒子，只需扫描盒子的位置内部以查看它们是否是黑色的。这应该更快、更可靠。如果我要对来自相机的图像进行操作，我可以更灵活地要求用户对齐图片以匹配对齐标记，而不必自己对齐图像。
鉴于这是我的第一个图像处理项目，我觉得我正在重新发明轮子。我想要有关如何执行此操作以及是否使用 OpenCV 等库的建议。
I am enclosing an image similar to what I would like processed. I am looking for a list of all squares that have a significant amount of black marking, i.e. A8, C4, E7, G4, H1, J9.
需要注意的问题：
首先，这个问题让我想起了一些可能对学习有用的演示：
就我个人而言，我认为最简单的方法是检测图像中的正方形。
1）去除背景和小瑕疵
f_makebw = @(I) im2bw(I.data, double(median(I.data(:)))/1.3);
bw = ~blockproc(im, [128 128], f_makebw);
bw = bwareaopen(bw, 30);
2）删除除正方形和圆形之外的所有内容。
se = strel('disk', 5);
bw = imerode(bw, se);
% Detect the squares and cricles via morphology
[B, L] = bwboundaries(bw, 'noholes');
3）使用“extend”检测正方形regionprops。 “范围”指标测量边界框被填充的比例。这使其成为
区分圆形和正方形的好方法
stats = regionprops(L, 'Extent');
extent = [stats.Extent];
idx1 = find(extent > 0.8);
bw = ismember(L, idx1);
4) 这样您就可以使用自己的功能来同步或校正图像。要做到这一点，一种简单而可靠的方法是通过自相关函数。
这给出了很容易检测到的漂亮峰值。这些峰值可以通过匈牙利算法与模板图像中的 ACF 峰值进行匹配。一旦匹配，您就可以纠正旋转和缩放，因为您现在有了一个可以求解的线性系统：
x = Ax'
然后可以使用针对相同预定义模板的普通互相关来校正翻译。
如果一切顺利，您就知道有一个对齐或同步的图像，这将有助于确定点的位置。