python簡單實(shí)現(xiàn)圖片文字分割
更新時(shí)間：2021年09月05日 14:13:03 作者：上不了山的小非洲
這篇文章主要為大家詳細(xì)介紹了python簡單實(shí)現(xiàn)圖片文字分割，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
本文實(shí)例為大家分享了python簡單實(shí)現(xiàn)圖片文字分割的具體代碼，供大家參考，具體內(nèi)容如下
原圖：
圖片預(yù)處理：圖片二值化以及圖片降噪處理。
# 圖片二值化
def binarization(img,threshold):
#圖片二值化操作
width,height=img.size
im_new = img.copy()
for i in range(width):
for j in range(height):
a = img.getpixel((i, j))
aa = 0.30 * a[0] + 0.59 * a[1] + 0.11 * a[2]
if (aa <= threshold):
im_new.putpixel((i, j), (0, 0, 0))
else:
im_new.putpixel((i, j), (255, 255, 255))
# im_new.show() # 顯示圖像
return im_new
# 圖片降噪處理
def clear_noise(img):
# 圖片降噪處理
x, y = img.width, img.height
for i in range(x-1):
for j in range(y-1):
if sum_9_region(img, i, j) < 600:
# 改變像素點(diǎn)顏色，白色
img.putpixel((i, j), (255,255,255))
# img = np.array(img)
# # cv2.imwrite('handle_two.png', img)
# # img = Image.open('handle_two.png')
img.show()
return img
# 獲取田字格內(nèi)當(dāng)前像素點(diǎn)的像素值
def sum_9_region(img, x, y):
"""
田字格
"""
# 獲取當(dāng)前像素點(diǎn)的像素值
a1 = img.getpixel((x - 1, y - 1))[0]
a2 = img.getpixel((x - 1, y))[0]
a3 = img.getpixel((x - 1, y+1 ))[0]
a4 = img.getpixel((x, y - 1))[0]
a5 = img.getpixel((x, y))[0]
a6 = img.getpixel((x, y+1 ))[0]
a7 = img.getpixel((x+1 , y - 1))[0]
a8 = img.getpixel((x+1 , y))[0]
a9 = img.getpixel((x+1 , y+1))[0]
width = img.width
height = img.height
if a5 == 255: # 如果當(dāng)前點(diǎn)為白色區(qū)域,則不統(tǒng)計(jì)鄰域值
return 2550
if y == 0: # 第一行
if x == 0: # 左上頂點(diǎn),4鄰域
# 中心點(diǎn)旁邊3個(gè)點(diǎn)
sum_1 = a5 + a6 + a8 + a9
return 4*255 - sum_1
elif x == width - 1: # 右上頂點(diǎn)
sum_2 = a5 + a6 + a2 + a3
return 4*255 - sum_2
else: # 最上非頂點(diǎn),6鄰域
sum_3 = a2 + a3+ a5 + a6 + a8 + a9
return 6*255 - sum_3
elif y == height - 1: # 最下面一行
if x == 0: # 左下頂點(diǎn)
# 中心點(diǎn)旁邊3個(gè)點(diǎn)
sum_4 = a5 + a8 + a7 + a4
return 4*255 - sum_4
elif x == width - 1: # 右下頂點(diǎn)
sum_5 = a5 + a4 + a2 + a1
return 4*255 - sum_5
else: # 最下非頂點(diǎn),6鄰域
sum_6 = a5+ a2 + a8 + a4 +a1 + a7
return 6*255 - sum_6
else: # y不在邊界
if x == 0: # 左邊非頂點(diǎn)
sum_7 = a4 + a5 + a6 + a7 + a8 + a9
return 6*255 - sum_7
elif x == width - 1: # 右邊非頂點(diǎn)
sum_8 = a4 + a5 + a6 + a1 + a2 + a3
return 6*255 - sum_8
else: # 具備9領(lǐng)域條件的
sum_9 = a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9
return 9*255 - sum_9
經(jīng)過二值化和降噪后得到的圖片
對(duì)圖片進(jìn)行水平投影與垂直投影：
# 傳入二值化后的圖片進(jìn)行垂直投影
def vertical(img):
"""傳入二值化后的圖片進(jìn)行垂直投影"""
pixdata = img.load()
w,h = img.size
ver_list = []
# 開始投影
for x in range(w):
black = 0
for y in range(h):
if pixdata[x,y][0] == 0:
black += 1
ver_list.append(black)
# 判斷邊界
l,r = 0,0
flag = False
t=0#判斷分割數(shù)量
cuts = []
for i,count in enumerate(ver_list):
# 閾值這里為0
if flag is False and count > 0:
l = i
flag = True
if flag and count == 0:
r = i-1
flag = False
cuts.append((l,r))#記錄邊界點(diǎn)
t += 1
#print(t)
return cuts,t
# 傳入二值化后的圖片進(jìn)行水平投影
def horizontal(img):
"""傳入二值化后的圖片進(jìn)行水平投影"""
pixdata = img.load()
w,h = img.size
ver_list = []
# 開始投影
for y in range(h):
black = 0
for x in range(w):
if pixdata[x,y][0] == 0:
black += 1
ver_list.append(black)
# 判斷邊界
l,r = 0,0
flag = False
# 分割區(qū)域數(shù)
t=0
cuts = []
for i,count in enumerate(ver_list):
# 閾值這里為0
if flag is False and count > 0:
l = i
flag = True
if flag and count == 0:
r = i-1
flag = False
cuts.append((l,r))
t += 1
return cuts,t
這兩段代碼目的主要是為了分割得到水平和垂直位置的每個(gè)字所占的大小，接下來就是對(duì)預(yù)處理好的圖片文字進(jìn)行分割。
# 創(chuàng)建獲得圖片路徑并處理圖片函數(shù)
def get_im_path():
OpenFile = tk.Tk()#創(chuàng)建新窗口
OpenFile.withdraw()
file_path = filedialog.askopenfilename()
im = Image.open(file_path)
# 閾值
th = getthreshold(im) - 16
print(th)
# 原圖直接二值化
im_new1 = binarization(im, th)
im_new1.show()
# 直方圖均衡化
im1 = his_bal(im)
im1.show()
im_new_np = np.array(his_bal(im))
th1 = getthreshold(im1) - 16
print(th1)
# 二值化
im_new = binarization(im1, th1)
# 降噪
im_new_cn = clear_noise(im_new)
height = im_new_cn.size[1]
print(height)
# 算出水平投影和垂直投影的數(shù)值
v, vt = vertical(im_new1)
h, ht = horizontal(im_new1)
# 算出分割區(qū)域
a = []
for i in range(vt):
a.append((v[i][0], 0, v[i][1], height))
print(a)
im_new.show() # 直方圖均衡化后再二值化
# 切割
for i, n in enumerate(a, 1):
temp = im_new_cn.crop(n) # 調(diào)用crop函數(shù)進(jìn)行切割
temp.show()
temp.save("c/%s.png" % i)
至此大概就完成了。
接下來是文件的全部代碼：
import numpy as np
from PIL import Image
import queue
import matplotlib.pyplot as plt
import tkinter as tk
from tkinter import filedialog#導(dǎo)入文件對(duì)話框函數(shù)庫
window = tk.Tk()
window.title('圖片選擇界面')
window.geometry('400x100')
var = tk.StringVar()
# 創(chuàng)建獲得圖片路徑并處理圖片函數(shù)
def get_im_path():
OpenFile = tk.Tk()#創(chuàng)建新窗口
OpenFile.withdraw()
file_path = filedialog.askopenfilename()
im = Image.open(file_path)
# 閾值
th = getthreshold(im) - 16
print(th)
# 原圖直接二值化
im_new1 = binarization(im, th)
im_new1.show()
# 直方圖均衡化
im1 = his_bal(im)
im1.show()
im_new_np = np.array(his_bal(im))
th1 = getthreshold(im1) - 16
print(th1)
# 二值化
im_new = binarization(im1, th1)
# 降噪
im_new_cn = clear_noise(im_new)
height = im_new_cn.size[1]
print(height)
# 算出水平投影和垂直投影的數(shù)值
v, vt = vertical(im_new1)
h, ht = horizontal(im_new1)
# 算出分割區(qū)域
a = []
for i in range(vt):
a.append((v[i][0], 0, v[i][1], height))
print(a)
im_new.show() # 直方圖均衡化后再二值化
# 切割
for i, n in enumerate(a, 1):
temp = im_new_cn.crop(n) # 調(diào)用crop函數(shù)進(jìn)行切割
temp.show()
temp.save("c/%s.png" % i)
# 傳入二值化后的圖片進(jìn)行垂直投影
def vertical(img):
"""傳入二值化后的圖片進(jìn)行垂直投影"""
pixdata = img.load()
w,h = img.size
ver_list = []
# 開始投影
for x in range(w):
black = 0
for y in range(h):
if pixdata[x,y][0] == 0:
black += 1
ver_list.append(black)
# 判斷邊界
l,r = 0,0
flag = False
t=0#判斷分割數(shù)量
cuts = []
for i,count in enumerate(ver_list):
# 閾值這里為0
if flag is False and count > 0:
l = i
flag = True
if flag and count == 0:
r = i-1
flag = False
cuts.append((l,r))#記錄邊界點(diǎn)
t += 1
#print(t)
return cuts,t
# 傳入二值化后的圖片進(jìn)行水平投影
def horizontal(img):
"""傳入二值化后的圖片進(jìn)行水平投影"""
pixdata = img.load()
w,h = img.size
ver_list = []
# 開始投影
for y in range(h):
black = 0
for x in range(w):
if pixdata[x,y][0] == 0:
black += 1
ver_list.append(black)
# 判斷邊界
l,r = 0,0
flag = False
# 分割區(qū)域數(shù)
t=0
cuts = []
for i,count in enumerate(ver_list):
# 閾值這里為0
if flag is False and count > 0:
l = i
flag = True
if flag and count == 0:
r = i-1
flag = False
cuts.append((l,r))
t += 1
return cuts,t
# 獲得閾值算出平均像素
def getthreshold(im):
#獲得閾值 算出平均像素
wid, hei = im.size
hist = [0] * 256
th = 0
for i in range(wid):
for j in range(hei):
gray = int(0.3 * im.getpixel((i, j))[0] + 0.59 * im.getpixel((i, j))[1] + 0.11 * im.getpixel((i, j))[2])
th = gray + th
hist[gray] += 1
threshold = int(th/(wid*hei))
return threshold
# 直方圖均衡化 提高對(duì)比度
def his_bal(im):
#直方圖均衡化 提高對(duì)比度
# 統(tǒng)計(jì)灰度直方圖
im_new = im.copy()
wid, hei = im.size
hist = [0] * 256
for i in range(wid):
for j in range(hei):
gray = int(0.3*im.getpixel((i,j))[0]+0.59*im.getpixel((i,j))[1]+0.11*im.getpixel((i,j))[2])
hist[gray] += 1
# 計(jì)算累積分布函數(shù)
cdf = [0] * 256
for i in range(256):
if i == 0:
cdf[i] = hist[i]
else:
cdf[i] = cdf[i - 1] + hist[i]
# 用累積分布函數(shù)計(jì)算輸出灰度映射函數(shù)LUT
new_gray = [0] * 256
for i in range(256):
new_gray[i] = int(cdf[i] / (wid * hei) * 255 + 0.5)
# 遍歷原圖像，通過LUT逐點(diǎn)計(jì)算新圖像對(duì)應(yīng)的像素值
for i in range(wid):
for j in range(hei):
gray = int(0.3*im.getpixel((i,j))[0]+0.59*im.getpixel((i,j))[1]+0.11*im.getpixel((i,j))[2])
im_new.putpixel((i, j), new_gray[gray])
return im_new
# 圖片二值化
def binarization(img,threshold):
#圖片二值化操作
width,height=img.size
im_new = img.copy()
for i in range(width):
for j in range(height):
a = img.getpixel((i, j))
aa = 0.30 * a[0] + 0.59 * a[1] + 0.11 * a[2]
if (aa <= threshold):
im_new.putpixel((i, j), (0, 0, 0))
else:
im_new.putpixel((i, j), (255, 255, 255))
# im_new.show() # 顯示圖像
return im_new
# 圖片降噪處理
def clear_noise(img):
# 圖片降噪處理
x, y = img.width, img.height
for i in range(x-1):
for j in range(y-1):
if sum_9_region(img, i, j) < 600:
# 改變像素點(diǎn)顏色，白色
img.putpixel((i, j), (255,255,255))
# img = np.array(img)
# # cv2.imwrite('handle_two.png', img)
# # img = Image.open('handle_two.png')
img.show()
return img
# 獲取田字格內(nèi)當(dāng)前像素點(diǎn)的像素值
def sum_9_region(img, x, y):
"""
田字格
"""
# 獲取當(dāng)前像素點(diǎn)的像素值
a1 = img.getpixel((x - 1, y - 1))[0]
a2 = img.getpixel((x - 1, y))[0]
a3 = img.getpixel((x - 1, y+1 ))[0]
a4 = img.getpixel((x, y - 1))[0]
a5 = img.getpixel((x, y))[0]
a6 = img.getpixel((x, y+1 ))[0]
a7 = img.getpixel((x+1 , y - 1))[0]
a8 = img.getpixel((x+1 , y))[0]
a9 = img.getpixel((x+1 , y+1))[0]
width = img.width
height = img.height
if a5 == 255: # 如果當(dāng)前點(diǎn)為白色區(qū)域,則不統(tǒng)計(jì)鄰域值
return 2550
if y == 0: # 第一行
if x == 0: # 左上頂點(diǎn),4鄰域
# 中心點(diǎn)旁邊3個(gè)點(diǎn)
sum_1 = a5 + a6 + a8 + a9
return 4*255 - sum_1
elif x == width - 1: # 右上頂點(diǎn)
sum_2 = a5 + a6 + a2 + a3
return 4*255 - sum_2
else: # 最上非頂點(diǎn),6鄰域
sum_3 = a2 + a3+ a5 + a6 + a8 + a9
return 6*255 - sum_3
elif y == height - 1: # 最下面一行
if x == 0: # 左下頂點(diǎn)
# 中心點(diǎn)旁邊3個(gè)點(diǎn)
sum_4 = a5 + a8 + a7 + a4
return 4*255 - sum_4
elif x == width - 1: # 右下頂點(diǎn)
sum_5 = a5 + a4 + a2 + a1
return 4*255 - sum_5
else: # 最下非頂點(diǎn),6鄰域
sum_6 = a5+ a2 + a8 + a4 +a1 + a7
return 6*255 - sum_6
else: # y不在邊界
if x == 0: # 左邊非頂點(diǎn)
sum_7 = a4 + a5 + a6 + a7 + a8 + a9
return 6*255 - sum_7
elif x == width - 1: # 右邊非頂點(diǎn)
sum_8 = a4 + a5 + a6 + a1 + a2 + a3
return 6*255 - sum_8
else: # 具備9領(lǐng)域條件的
sum_9 = a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9
return 9*255 - sum_9
btn_Open = tk.Button(window,
text='打開圖像', # 顯示在按鈕上的文字
width=15, height=2,
command=get_im_path) # 點(diǎn)擊按鈕式執(zhí)行的命令
btn_Open.pack()
# 運(yùn)行整體窗口
window.mainloop()
以上就是本文的全部內(nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
python學(xué)習(xí)與數(shù)據(jù)挖掘應(yīng)知應(yīng)會(huì)的十大終端命令
今天我們將介紹一些基本的數(shù)據(jù)收集、探索和聚合—所有這些都是通過shell完成的。如果你使用的是Linux或Mac，那么接下來就不會(huì)有任何問題，但是Windows用戶應(yīng)該在繼續(xù)之前下載一個(gè)終端仿真器2021-11-11
python命令行參數(shù)解析OptionParser類用法實(shí)例
這篇文章主要介紹了python命令行參數(shù)解析OptionParser類用法實(shí)例,需要的朋友可以參考下2014-10-10
12月編程語言排行榜出爐，在編程排行榜上，排名第四的是Python。而網(wǎng)絡(luò)上也瘋傳，編程語言Python將納入高考，Python不虧是網(wǎng)紅的編程語言2018-06-06
Python時(shí)間和日期庫的實(shí)現(xiàn)
這篇文章主要介紹了Python時(shí)間和日期庫的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03
下面小編就為大家?guī)硪黄狿ython之str操作方法(詳解)。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-06-06
Linux下用Python腳本監(jiān)控目錄變化代碼分享
這篇文章主要介紹了Linux下用Python腳本監(jiān)控目錄變化代碼分享,本文直接給出實(shí)現(xiàn)代碼,需要的朋友可以參考下2015-05-05
Python實(shí)現(xiàn)簡易版的Web服務(wù)器(推薦)
這篇文章主要介紹了Python實(shí)現(xiàn)簡易Web服務(wù)器的相關(guān)資料，非常不錯(cuò)，具有參考借鑒價(jià)值，需要的朋友可以參考下2018-01-01
在python里，可能大家已從運(yùn)算表里找到了，即 （“+”），但是與PHP不同的是兩個(gè)對(duì)象相加，兩個(gè)對(duì)象必須是同類型的,不同類型的兩個(gè)對(duì)象是不能相加的.要實(shí)現(xiàn)像上面PHP代碼里的運(yùn)算，必須保證兩對(duì)象類型一致。2014-09-09
解決Python出現(xiàn)_warn_unsafe_extraction問題的方法
這篇文章主要為大家詳細(xì)介紹了解決Python出現(xiàn)'_warn_unsafe_extraction'問題的方法，感興趣的小伙伴們可以參考一下2016-03-03
這篇文章主要為大家詳細(xì)介紹了python的迭代器,生成器和裝飾器，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-02-02