您好,登錄后才能下訂單哦!
在上篇博客中,我們已經(jīng)實(shí)現(xiàn)了水平投影和垂直投影圖的繪制。接下來,我們可以根據(jù)獲得的投影數(shù)據(jù)進(jìn)行圖像的分割,該法用于文本分割較多,所以此處依然以上次的圖為例。
先把上次的兩幅圖搬過來,方便講解。
上面兩圖分別從垂直和水平方向描述了圖像中文本的分布。我們想象一下,將兩幅圖重疊起來(當(dāng)然這里比例要調(diào)整下),那么我們就能得到四個(gè)重疊的白塊,而這些白塊所處的位置正是原圖中文本的位置。所以接下來的任務(wù)就是,找出這些白塊的坐標(biāo),此處白塊近似矩形,所以我們要求矩形的四個(gè)坐標(biāo)。
下面看代碼。
#根據(jù)水平投影值選定行分割點(diǎn) inline = 1 start = 0 j = 0 for i in range(0,height): if inline == 1 and z[i] >= 150 : #從空白區(qū)進(jìn)入文字區(qū) start = i #記錄起始行分割點(diǎn) print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #從文字區(qū)進(jìn)入空白區(qū) inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1
確定行分割點(diǎn)的原理就是判斷每一行的像素點(diǎn)數(shù)是否足夠。我們可以從水平投影圖中看出,白塊是有文字的地方(原圖是黑字白底,只是畫投影圖時(shí)選用白塊黑底),即前面幾行,灰度值為0的點(diǎn)的個(gè)數(shù)N很少,所以當(dāng)遇到文字區(qū)時(shí),N會很大,根據(jù)這一點(diǎn),我們確定進(jìn)入文字區(qū)的坐標(biāo)(A1,B1)。然后,當(dāng)從文字區(qū)出來時(shí),N又變的很小,我們再記下它的坐標(biāo)(A1,B2)。同理,我們可以確定列分割點(diǎn)。
incol = 1 start1 = 0 j1 = 0 z1 = hfg[p][0] z2 = hfg[p][1] for i1 in range(0,width): if incol == 1 and v[i1] >= 20 : #從空白區(qū)進(jìn)入文字區(qū) start1 = i1 #記錄起始列分割點(diǎn) incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #從文字區(qū)進(jìn)入空白區(qū) incol = 1 lfg[j1][0] = start1 - 2 #保存列分割位置 lfg[j1][1] = i1 + 2 l1 = start1 - 2 l2 = i1 + 2 j1 = j1 + 1
最后根據(jù)矩形的坐標(biāo)將文本在圖中框出來。附上完整代碼。
import cv2 import numpy img = cv2.imread('D:/0.jpg',cv2.COLOR_BGR2GRAY) height, width = img.shape[:2] #print height, width #resized = cv2.resize(img, (2*width,2*height), interpolation=cv2.INTER_CUBIC) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) (_, thresh) = cv2.threshold(gray, 140, 255, cv2.THRESH_BINARY) #使文字增長成塊 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))#形態(tài)學(xué)處理,定義矩形結(jié)構(gòu) closed = cv2.erode(thresh, None, iterations = 7) #cv2.imshow('erode',closed) height, width = closed.shape[:2] #print height, width z = [0]*height v = [0]*width hfg = [[0 for col in range(2)] for row in range(height)] lfg = [[0 for col in range(2)] for row in range(width)] box = [0,0,0,0] #水平投影 a = 0 emptyImage1 = numpy.zeros((height, width, 3), numpy.uint8) for y in range(0, height): for x in range(0, width): cp = closed[y,x] #if np.any(closed[y,x]): if cp == 0: a = a + 1 else : continue z[y] = a #print z[y] a = 0 #根據(jù)水平投影值選定行分割點(diǎn) inline = 1 start = 0 j = 0 for i in range(0,height): if inline == 1 and z[i] >= 150 : #從空白區(qū)進(jìn)入文字區(qū) start = i #記錄起始行分割點(diǎn) #print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #從文字區(qū)進(jìn)入空白區(qū) inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1 #對每一行垂直投影、分割 a = 0 for p in range(0, j): for x in range(0, width): for y in range(hfg[p][0], hfg[p][1]): cp1 = closed[y,x] if cp1 == 0: a = a + 1 else : continue v[x] = a #保存每一列像素值 a = 0 #print width #垂直分割點(diǎn) incol = 1 start1 = 0 j1 = 0 z1 = hfg[p][0] z2 = hfg[p][1] for i1 in range(0,width): if incol == 1 and v[i1] >= 20 : #從空白區(qū)進(jìn)入文字區(qū) start1 = i1 #記錄起始列分割點(diǎn) incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #從文字區(qū)進(jìn)入空白區(qū) incol = 1 lfg[j1][0] = start1 - 2 #保存列分割位置 lfg[j1][1] = i1 + 2 l1 = start1 - 2 l2 = i1 + 2 j1 = j1 + 1 cv2.rectangle(img, (l1, z1), (l2, z2), (255,0,0), 2) cv2.imshow('result', img) cv2.waitKey(0)
代碼中注釋掉的一些代碼,有的是我做的一些小變動,有的是觀察中間值。大家可自行查看。
最后放上結(jié)果圖。
由于文本的坐標(biāo)已經(jīng)有了,還可以把這些文本塊截取下來,用一下PIL或者OPENCV就好了,此處就不做了。
以上這篇Python實(shí)現(xiàn)投影法分割圖像示例(二)就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持億速云。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。