在上篇博客中，我们已经实现了水平投影和垂直投影图的绘制。接下来，我们可以根据获得的投影数据进行图像的分割，该法用于文本分割较多，所以此处依然以上次的图为例。
先把上次的两幅图搬过来，方便讲解。
上面两图分别从垂直和水平方向描述了图像中文本的分布。我们想象一下，将两幅图重叠起来（当然这里比例要调整下），那么我们就能得到四个重叠的白块，而这些白块所处的位置正是原图中文本的位置。所以接下来的任务就是，找出这些白块的坐标，此处白块近似矩形，所以我们要求矩形的四个坐标。
下面看代码。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#根据水平投影值选定行分割点inline = 1start = 0j = 0for i in range(0,height): if inline == 1 and z[i] >= 150 : #从空白区进入文字区 start = i #记录起始行分割点 print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #从文字区进入空白区 inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1 |
确定行分割点的原理就是判断每一行的像素点数是否足够。我们可以从水平投影图中看出，白块是有文字的地方（原图是黑字白底，只是画投影图时选用白块黑底），即前面几行，灰度值为0的点的个数N很少，所以当遇到文字区时，N会很大，根据这一点，我们确定进入文字区的坐标（A1，B1）。然后，当从文字区出来时，N又变的很小，我们再记下它的坐标（A1，B2）。同理，我们可以确定列分割点。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
incol = 1start1 = 0j1 = 0z1 = hfg[p][0]z2 = hfg[p][1]for i1 in range(0,width): if incol == 1 and v[i1] >= 20 : #从空白区进入文字区 start1 = i1 #记录起始列分割点 incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #从文字区进入空白区 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 |
最后根据矩形的坐标将文本在图中框出来。附上完整代码。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
|
import cv2import numpyimg = 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) #使文字增长成块kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))#形态学处理，定义矩形结构closed = cv2.erode(thresh, None, iterations = 7)#cv2.imshow('erode',closed)height, width = closed.shape[:2]#print height, widthz = [0]*heightv = [0]*widthhfg = [[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 = 0emptyImage1 = 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#根据水平投影值选定行分割点inline = 1start = 0j = 0for i in range(0,height): if inline == 1 and z[i] >= 150 : #从空白区进入文字区 start = i #记录起始行分割点 #print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #从文字区进入空白区 inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1 #对每一行垂直投影、分割a = 0for 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 #垂直分割点 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 : #从空白区进入文字区 start1 = i1 #记录起始列分割点 incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #从文字区进入空白区 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) |
代码中注释掉的一些代码，有的是我做的一些小变动，有的是观察中间值。大家可自行查看。
最后放上结果图。
由于文本的坐标已经有了，还可以把这些文本块截取下来，用一下PIL或者OPENCV就好了，此处就不做了。
以上这篇Python实现投影法分割图像示例(二)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/TIME_LEAF/article/details/79422860
