图片文字分割
图片文字分割
基于像素识别图片文字
目前已经有成熟的OCR图片文字识别技术了，但还是学习一下一些基本的实现知识。
OCR
OCR（optical character recognition）文字识别是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程；即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题的友好性，产品的稳定性，易用性及可行性等。
OCR技术目前用于各大领域用于文字识别，那么从拍的一张图片如何通过分割得到其中的字呢，下面用python语言进行对图片的分割：
需要用到的包：
import os
import cv2
import numpy as npOS模块是一个Python的系统编程的操作模块，可以处理文件和目录。
CV2是OpenCV官方的一个扩展库，含有各种有关图像处理的的函数以及进程。
NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵
读取图片：
image = cv2.imread("origin.png")
二值化
# adaptiveThreshold参数解释
# 第一个原始图像
# 第二个像素值上限
# 第三个cv2.ADAPTIVE_THRESH_GAUSSIAN_C ：领域内像素点加权和，权重为一个高斯窗口
# 第四个值的赋值方法：只有cv2.THRESH_BINARY 和cv2.THRESH_BINARY_INV
# 第五个Block size:规定领域大小（一个正方形的领域）
# 第六个常数C，阈值等于均值或者加权值减去这个常数（为0相当于阈值 就是求得领域内均值或者加权值）
image = cv2.cvtColor(image_color, cv2.COLOR_BGR2GRAY)
adaptive_threshold = cv2.adaptiveThreshold(image,255,\
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,\
cv2.THRESH_BINARY_INV, 11, 2)二值化后方便处理图片像素灰度值
原图
反相处理后
根据垂直和水平方向像素与空间阈值确定方格：
分割后：
提取每个字：
完整代码
import os
import cv2
import numpy as np
base_dir = "./origin/"
dst_dir = "./result/"
min_val = 10
min_range = 30
count = 0
def extract_peek(array_vals, minimun_val, minimun_range):
start_i = None
end_i = None
peek_ranges = []
for i, val in enumerate(array_vals):
if val > minimun_val and start_i is None:
start_i = i
elif val > minimun_val and start_i is not None:
pass
elif val < minimun_val and start_i is not None:
if i - start_i >= minimun_range:
end_i = i
print(end_i - start_i)
peek_ranges.append((start_i, end_i))
start_i = None
end_i = None
elif val < minimun_val and start_i is None:
pass
else:
raise ValueError("cannot parse this case...")
return peek_ranges
def cutImage(img, peek_range):
global count
for i, peek_range in enumerate(peek_ranges):
for vertical_range in vertical_peek_ranges2d[i]:
x = vertical_range[0]
y = peek_range[0]
w = vertical_range[1] - x
h = peek_range[1] - y
pt1 = (x, y)
pt2 = (x + w, y + h)
count += 1
img1 = img[y:peek_range[1], x:vertical_range[1]]
new_shape = (150, 150)
img1 = cv2.resize(img1, new_shape)
cv2.imwrite(dst_dir + str(count) + ".png", img1)
# cv2.rectangle(img, pt1, pt2, color)
for fileName in os.listdir(base_dir):
img = cv2.imread(base_dir + fileName)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
adaptive_threshold = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, \
cv2.THRESH_BINARY_INV, 11, 2)
horizontal_sum = np.sum(adaptive_threshold, axis=1)
peek_ranges = extract_peek(horizontal_sum, min_val, min_range)
line_seg_adaptive_threshold = np.copy(adaptive_threshold)
for i, peek_range in enumerate(peek_ranges):
x = 0
y = peek_range[0]
w = line_seg_adaptive_threshold.shape[1]
h = peek_range[1] - y
pt1 = (x, y)
pt2 = (x + w, y + h)
cv2.rectangle(line_seg_adaptive_threshold, pt1, pt2, 255)
vertical_peek_ranges2d = []
for peek_range in peek_ranges:
start_y = peek_range[0]
end_y = peek_range[1]
line_img = adaptive_threshold[start_y:end_y, :]
vertical_sum = np.sum(line_img, axis=0)
vertical_peek_ranges = extract_peek(
vertical_sum, min_val, min_range)
vertical_peek_ranges2d.append(vertical_peek_ranges)
cutImage(img, peek_range)关于提取如下无规律的手写字可以参考基于轮廓提取图像文字
