您好,登錄后才能下訂單哦!
實(shí)現(xiàn)思路
是用深度遍歷,對圖片進(jìn)行二值化處理,先找到一個黑色像素,然后對這個像素的周圍8個像素進(jìn)行判斷,如果沒有訪問過,就保存起來,然后最后這個數(shù)組的最小x和最大x就是x軸上的切割位置。這種分割的方法還是只能適用于沒有粘連的驗(yàn)證碼,比垂直分割的好處是,可以處理位置比較奇怪的驗(yàn)證碼。
示例代碼
def cfs(img): """傳入二值化后的圖片進(jìn)行連通域分割""" pixdata = img.load() w,h = img.size visited = set() q = queue.Queue() offset = [(-1,-1),(0,-1),(1,-1),(-1,0),(1,0),(-1,1),(0,1),(1,1)] cuts = [] for x in range(w): for y in range(h): x_axis = [] #y_axis = [] if pixdata[x,y] == 0 and (x,y) not in visited: q.put((x,y)) visited.add((x,y)) while not q.empty(): x_p,y_p = q.get() for x_offset,y_offset in offset: x_c,y_c = x_p+x_offset,y_p+y_offset if (x_c,y_c) in visited: continue visited.add((x_c,y_c)) try: if pixdata[x_c,y_c] == 0: q.put((x_c,y_c)) x_axis.append(x_c) #y_axis.append(y_c) except: pass if x_axis: min_x,max_x = min(x_axis),max(x_axis) if max_x - min_x > 3: # 寬度小于3的認(rèn)為是噪點(diǎn),根據(jù)需要修改 cuts.append((min_x,max_x + 1)) return cuts def saveSmall(img, outDir, cuts): w, h = img.size pixdata = img.load() for i, item in enumerate(cuts): box = (item[0], 0, item[1], h) img.crop(box).save(outDir + str(i) + ".png") img = Image.open('out/51.png') saveSmall(img, 'cfs/', cfs(img))
總結(jié)
以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,如果有疑問大家可以留言交流,謝謝大家對億速云的支持。
參考這篇文章: https://www.jb51.net/article/141434.htm
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。