快捷導(dǎo)航

python中opencv實(shí)現(xiàn)文字分割的實(shí)踐

更新時(shí)間：2021年06月04日 09:03:49 作者：告白少年

圖片文字分割的時(shí)候，常用的方法有兩種。一種是投影法，還有一種是用OpenCV的輪廓檢測(cè)，本文詳細(xì)的介紹了這兩種方法的使用，感興趣的可以了解一下

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：

在這里插入圖片描述

小票圖像結(jié)果分割如下：

在這里插入圖片描述

豎版-古文文字分割

對(duì)于古籍來說，古籍文字書寫在習(xí)慣是從上到下的，所以說在掃描的時(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：

在這里插入圖片描述

二值化后的圖像：

在這里插入圖片描述

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)暮耍瑢?duì)圖像進(jìn)行膨脹處理。

在這里插入圖片描述

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：

在這里插入圖片描述

通過上面的垂直投影，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。

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：

在這里插入圖片描述

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: