Emgucv不完整图像分割试验(十七）——字符切割&内轮廓判定

本篇比较水，但估计挺多人需要的。。。

前提：老版本Emgucv用的contour保存轮廓，所以内外轮廓直接就能用Nnest和Pnext或者层数区分开，但新的VVP始终找不到办法，项目又着急需要，就硬着头皮强推了一波。

项目需要字符切割，但不是简单的图，给出的图片都是拍摄质量不高的（质量好的也不会找到我，命苦）所以噪点很多。

常规字符切割步骤：滤波（高斯或双边），二值然后根据轮廓的形状或位置切割。

但这一波图片比较麻烦，常规的滤波很难（google好像有基于人工智能的图像增强可以试试，但对方项目又要求速度，诶～），我这的思路有干扰就好好利用干扰，拍照噪点多且模糊的话肯定就是两种情况，文字区域比较稳定（题外话，说到稳定，想到了MSER算法，opencv下有emgucv下没有，郁闷来。），非文字区域肯定比较斑驳，那么比较区域内的纹理应该能区分出文字还是背景，如此，遇到6/8/9/0等有内部区域的字符肯定需要把内轮廓处理出来。

如上才发现了emgucv现在没办法区分内外轮廓的问题，我没办法了，就想用C#自带的List的差集来做，结果又发现了个新的Bug，VectorOfPoint没办法做==的判断，我用第一个元素Point来比较，先对付了一下。

内外轮廓获取以及VectorOfVectorOfPoint转List代码如下：

... ... 
VectorOfVectorOfPoint VVPFCCOP = new VectorOfVectorOfPoint();
            VectorOfVectorOfPoint VVPFEXT = new VectorOfVectorOfPoint();
            Mat b1 = new Mat();
            Mat b2 = new Mat();

            CvInvoke.FindContours(gray, VVPFCCOP, b1, RetrType.Ccomp, ChainApproxMethod.ChainApproxNone);
            CvInvoke.FindContours(gray, VVPFEXT, b2, RetrType.External, ChainApproxMethod.ChainApproxNone);
            //double weight = gray.Size.Width * gray.Size.Height / 8;
            

            List LCCOP = VP_TO_lIST(VVPFCCOP);//全部轮廓
            List LEXT = VP_TO_lIST(VVPFEXT);//外部轮廓
            List LunEXT = L1_EXCEPT_l2(LCCOP, LEXT);//算出内轮廓
... ...

        //VVP转List
        //本想用list的差集直接得结果的，结果VVP格式C#不认识，诶～～
        private List VP_TO_lIST(VectorOfVectorOfPoint vvp)
        {
            List newList = new List();

            for (int i = 0; i < vvp.Size; i++)
            {
                newList.Add(vvp[i]);
            }

            return newList;
        }

        //两个VP求差集
        private List L1_EXCEPT_l2(List L1, List L2)
        {
            List newList = new List();

            for (int i = 0; i < L1.Count; i++)
            {
                bool flag = false;
                for (int j = 0; j < L2.Count; j++)
                {
                    //不知道轮廓怎么判断，只能用第一个点判断了
                    //有兴趣的可以完善下去
                    if (L1[i][0] == L2[j][0])
                        flag = true;
                }

                if (!flag)
                    newList.Add(L1[i]);
            }

            return newList;
        }

下一步如何根据纹理或者其他方式排除掉干扰项参见下一篇。

总之，脱离了了好的图像处理的图像识别都是耍流氓，要更好的识别效果一定要配合好的图像处理，所以磨刀不误砍柴工，想弯道超车做图像识别的朋友，有空了也要回头补补图像处理，这是我的心得体会，以上，应该是我这个系列的最后一部分了。

另，我的那本《Emgucv 学习与设计 农业篇》的书，几大电商平台应该都能搜到，但我没授权过，出版社私自流出的，需要系统学的买他们的也行，支持正版的到咸鱼上搜搜捧个场更好（咸鱼买书的都有我微信，有问题随时问不定时回答）。