圖片文字分割的時(shí)候，常用的方法有兩種。一種是投影法，適用于排版工整，字間距行間距比較寬裕的圖像；還有一種是用OpenCV的輪廓檢測(cè)，適用于文字不規(guī)則排列的圖像。
投影法
對(duì)文字圖片作橫向和縱向投影，即通過(guò)統(tǒng)計(jì)出每一行像素個(gè)數(shù)，和每一列像素個(gè)數(shù)，來(lái)分割文字。
分別在水平和垂直方向?qū)︻A(yù)處理（二值化）的圖像某一種像素進(jìn)行統(tǒng)計(jì)，對(duì)于二值化圖像非黑即白，我們通過(guò)對(duì)其中的白點(diǎn)或者黑點(diǎn)進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)結(jié)果就可以判斷出每一行的上下邊界以及每一列的左右邊界，從而實(shí)現(xiàn)分割的目的。
算法步驟：
- 使用水平投影和垂直投影的方式進(jìn)行圖像分割，根據(jù)投影的區(qū)域大小尺寸分割每行和每塊的區(qū)域，對(duì)原始圖像進(jìn)行二值化處理。
- 投影之前進(jìn)行圖像灰度學(xué)調(diào)整做膨脹操作
- 分別進(jìn)行水平投影和垂直投影
- 根據(jù)投影的長(zhǎng)度和高度求取完整行和塊信息
橫板文字-小票文字分割
#小票水平分割
import cv2
import numpy as np
img = cv2.imread(r"C:\Users\An\Pictures\1.jpg")
cv2.imshow("Orig Image", img)
# 輸出圖像尺寸和通道信息
sp = img.shape
print("圖像信息：", sp)
sz1 = sp[0] # height(rows) of image
sz2 = sp[1] # width(columns) of image
sz3 = sp[2] # the pixels value is made up of three primary colors
print('width: %d \n height: %d \n number: %d' % (sz2, sz1, sz3))
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
retval, threshold_img = cv2.threshold(gray_img, 120, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("threshold_img", threshold_img)
# 水平投影分割圖像
gray_value_x = []
for i in range(sz1):
white_value = 0
for j in range(sz2):
if threshold_img[i, j] == 255:
white_value += 1
gray_value_x.append(white_value)
print("", gray_value_x)
# 創(chuàng)建圖像顯示水平投影分割圖像結(jié)果
hori_projection_img = np.zeros((sp[0], sp[1], 1), np.uint8)
for i in range(sz1):
for j in range(gray_value_x[i]):
hori_projection_img[i, j] = 255
cv2.imshow("hori_projection_img", hori_projection_img)
text_rect = []
# 根據(jù)水平投影分割識(shí)別行
inline_x = 0
start_x = 0
text_rect_x = []
for i in range(len(gray_value_x)):
if inline_x == 0 and gray_value_x[i] > 10:
inline_x = 1
start_x = i
elif inline_x == 1 and gray_value_x[i] 10 and (i - start_x) > 5:
inline_x = 0
if i - start_x > 10:
rect = [start_x - 1, i + 1]
text_rect_x.append(rect)
print("分行區(qū)域，每行數(shù)據(jù)起始位置Y：", text_rect_x)
# 每行數(shù)據(jù)分段
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (13, 3))
dilate_img = cv2.dilate(threshold_img, kernel)
cv2.imshow("dilate_img", dilate_img)
for rect in text_rect_x:
cropImg = dilate_img[rect[0]:rect[1],0:sp[1]] # 裁剪圖像y-start:y-end,x-start:x-end
sp_y = cropImg.shape
# 垂直投影分割圖像
gray_value_y = []
for i in range(sp_y[1]):
white_value = 0
for j in range(sp_y[0]):
if cropImg[j, i] == 255:
white_value += 1
gray_value_y.append(white_value)
# 創(chuàng)建圖像顯示水平投影分割圖像結(jié)果
veri_projection_img = np.zeros((sp_y[0], sp_y[1], 1), np.uint8)
for i in range(sp_y[1]):
for j in range(gray_value_y[i]):
veri_projection_img[j, i] = 255
cv2.imshow("veri_projection_img", veri_projection_img)
# 根據(jù)垂直投影分割識(shí)別行
inline_y = 0
start_y = 0
text_rect_y = []
for i in range(len(gray_value_y)):
if inline_y == 0 and gray_value_y[i] > 2:
inline_y = 1
start_y = i
elif inline_y == 1 and gray_value_y[i] 2 and (i - start_y) > 5:
inline_y = 0
if i - start_y > 10:
rect_y = [start_y - 1, i + 1]
text_rect_y.append(rect_y)
text_rect.append([rect[0], rect[1], start_y - 1, i + 1])
cropImg_rect = threshold_img[rect[0]:rect[1], start_y - 1:i + 1] # 裁剪圖像
cv2.imshow("cropImg_rect", cropImg_rect)
# cv2.imwrite("C:/Users/ThinkPad/Desktop/cropImg_rect.jpg",cropImg_rect)
# break
# break
# 在原圖上繪制截圖矩形區(qū)域
print("截取矩形區(qū)域(y-start:y-end,x-start:x-end)：", text_rect)
rectangle_img = cv2.rectangle(img, (text_rect[0][2], text_rect[0][0]), (text_rect[0][3], text_rect[0][1]),
(255, 0, 0), thickness=1)
for rect_roi in text_rect:
rectangle_img = cv2.rectangle(img, (rect_roi[2], rect_roi[0]), (rect_roi[3], rect_roi[1]), (255, 0, 0), thickness=1)
cv2.imshow("Rectangle Image", rectangle_img)
key = cv2.waitKey(0)
if key == 27:
print(key)
cv2.destroyAllWindows()
小票圖像二值化結(jié)果如下：
小票圖像結(jié)果分割如下：
豎版-古文文字分割
對(duì)于古籍來(lái)說(shuō)，古籍文字書寫在習(xí)慣是從上到下的，所以說(shuō)在掃描的時(shí)候應(yīng)該掃描列投影，在掃描行投影。
1.原始圖像進(jìn)行二值化
使用水平投影和垂直投影的方式進(jìn)行圖像分割，根據(jù)投影的區(qū)域大小尺寸分割每行和每塊的區(qū)域，對(duì)原始圖像進(jìn)行二值化處理。
原始圖像：
二值化后的圖像：
2.圖像膨脹
投影之前進(jìn)行圖像灰度學(xué)調(diào)整做膨脹操作，選取適當(dāng)?shù)暮?，?duì)圖像進(jìn)行膨脹處理。
3.垂直投影
定位該行文字區(qū)域：
數(shù)值不為0的區(qū)域就是文字存在的地方（即二值化后白色部分的區(qū)域），為0的區(qū)域就是每行之間相隔的距離。
1、如果前一個(gè)數(shù)為0，則記錄第一個(gè)不為0的坐標(biāo)。
2、如果前一個(gè)數(shù)不為0，則記錄第一個(gè)為0的坐標(biāo)。形象的說(shuō)就是從出現(xiàn)第一個(gè)非空白列到出現(xiàn)第一個(gè)空白列這段區(qū)域就是文字存在的區(qū)域。
通過(guò)以上規(guī)則就可以找出每一列文字的起始點(diǎn)和終止點(diǎn)，從而確定每一列的位置信息。
垂直投影結(jié)果：
通過(guò)上面的垂直投影，根據(jù)其白色小山峰的起始位置就可以界定出每一列的起始位置，從而把每一列分割出來(lái)。
4.水平投影
根據(jù)投影的長(zhǎng)度和高度求取完整行和塊信息
通過(guò)水平投影可以獲得每一個(gè)字符左右的起始位置，這樣也就可以獲得到每一個(gè)字符的具體坐標(biāo)位置，即一個(gè)矩形框的位置。
import cv2
import numpy as np
import os
img = cv2.imread(r"C:\Users\An\Pictures\3.jpg")
save_path=r"E:\crop_img\result" #圖像分解的每一步保存的地址
crop_path=r"E:\crop_img\img" #圖像切割保存的地址
cv2.imshow("Orig Image", img)
# 輸出圖像尺寸和通道信息
sp = img.shape
print("圖像信息：", sp)
sz1 = sp[0] # height(rows) of image
sz2 = sp[1] # width(columns) of image
sz3 = sp[2] # the pixels value is made up of three primary colors
print('width: %d \n height: %d \n number: %d' % (sz2, sz1, sz3))
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
retval, threshold_img = cv2.threshold(gray_img, 120, 255, cv2.THRESH_BINARY_INV)
cv2.imshow("threshold_img", threshold_img)
cv2.imwrite(os.path.join(save_path,"threshold_img.jpg"),threshold_img)
# 垂直投影分割圖像
gray_value_y = []
for i in range(sz2):
white_value = 0
for j in range(sz1):
if threshold_img[j, i] == 255:
white_value += 1
gray_value_y.append(white_value)
print("", gray_value_y)
#創(chuàng)建圖像顯示垂直投影分割圖像結(jié)果
veri_projection_img = np.zeros((sp[0], sp[1], 1), np.uint8)
for i in range(sz2):
for j in range(gray_value_y[i]):
veri_projection_img[j, i] = 255
cv2.imshow("veri_projection_img", veri_projection_img)
cv2.imwrite(os.path.join(save_path,"veri_projection_img.jpg"),veri_projection_img)
text_rect = []
# 根據(jù)垂直投影分割識(shí)別列
inline_y = 0
start_y = 0
text_rect_y = []
for i in range(len(gray_value_y)):
if inline_y == 0 and gray_value_y[i]> 30:
inline_y = 1
start_y = i
elif inline_y == 1 and gray_value_y[i] 30 and (i - start_y) > 5:
inline_y = 0
if i - start_y > 10:
rect = [start_y - 1, i + 1]
text_rect_y.append(rect)
print("分列區(qū)域，每列數(shù)據(jù)起始位置Y：", text_rect_y)
# 每列數(shù)據(jù)分段
# kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (13, 3))
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
dilate_img = cv2.dilate(threshold_img, kernel)
cv2.imshow("dilate_img", dilate_img)
cv2.imwrite(os.path.join(save_path,"dilate_img.jpg"),dilate_img)
for rect in text_rect_y:
cropImg = dilate_img[0:sp[0],rect[0]:rect[1]] # 裁剪圖像y-start:y-end,x-start:x-end
sp_x = cropImg.shape
# 垂直投影分割圖像
gray_value_x = []
for i in range(sp_x[0]):
white_value = 0
for j in range(sp_x[1]):
if cropImg[i, j] == 255:
white_value += 1
gray_value_x.append(white_value)
# 創(chuàng)建圖像顯示水平投影分割圖像結(jié)果
hori_projection_img = np.zeros((sp_x[0], sp_x[1], 1), np.uint8)
for i in range(sp_x[0]):
for j in range(gray_value_x[i]):
veri_projection_img[i, j] = 255
# cv2.imshow("hori_projection_img", hori_projection_img)
# 根據(jù)水平投影分割識(shí)別行
inline_x = 0
start_x = 0
text_rect_x = []
ind=0
for i in range(len(gray_value_x)):
ind+=1
if inline_x == 0 and gray_value_x[i] > 2:
inline_x = 1
start_x = i
elif inline_x == 1 and gray_value_x[i] 2 and (i - start_x) > 5:
inline_x = 0
if i - start_x > 10:
rect_x = [start_x - 1, i + 1]
text_rect_x.append(rect_x)
text_rect.append([start_x - 1, i + 1,rect[0], rect[1]])
cropImg_rect = threshold_img[start_x - 1:i + 1,rect[0]:rect[1]] # 裁剪二值化圖像
crop_img=img[start_x - 1:i + 1,rect[0]:rect[1]] #裁剪原圖像
# cv2.imshow("cropImg_rect", cropImg_rect)
# cv2.imwrite(os.path.join(crop_path,str(ind)+".jpg"),crop_img)
# break
# break
# 在原圖上繪制截圖矩形區(qū)域
print("截取矩形區(qū)域(y-start:y-end,x-start:x-end)：", text_rect)
rectangle_img = cv2.rectangle(img, (text_rect[0][2], text_rect[0][0]), (text_rect[0][3], text_rect[0][1]),
(255, 0, 0), thickness=1)
for rect_roi in text_rect:
rectangle_img = cv2.rectangle(img, (rect_roi[2], rect_roi[0]), (rect_roi[3], rect_roi[1]), (255, 0, 0), thickness=1)
cv2.imshow("Rectangle Image", rectangle_img)
cv2.imwrite(os.path.join(save_path,"rectangle_img.jpg"),rectangle_img)
key = cv2.waitKey(0)
if key == 27:
print(key)
cv2.destroyAllWindows()
分割結(jié)果如下：
從分割的結(jié)果上看，基本上實(shí)現(xiàn)了圖片中文字的分割。但由于中文結(jié)構(gòu)復(fù)雜性，對(duì)于一些文字的分割并不理想，字會(huì)出現(xiàn)過(guò)度分割、有粘連的兩個(gè)字會(huì)出現(xiàn)分割不夠的現(xiàn)象?？梢詮膱D像預(yù)處理（圖像腐蝕膨脹），邊界判斷閾值的調(diào)整等方面進(jìn)行優(yōu)化。
到此這篇關(guān)于python中opencv實(shí)現(xiàn)文字分割的實(shí)踐的文章就介紹到這了,更多相關(guān)opencv 文字分割內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python+opencv 實(shí)現(xiàn)圖片文字的分割的方法示例
