Java基于opencv实现图像数字识别(五)—投影法分割字符

Java基于opencv实现图像数字识别(五)—投影法分割字符

水平投影法

1、水平投影法就是先用一个数组统计出图像每行黑色像素点的个数(二值化的图像)；

2、选出一个最优的阀值，根据比这个阀值大或小，用一个数组记录相应Y轴的坐标；

3、因为是水平切割我们只需要Y轴的切割点即可，宽度默认图像的宽，高度可以用相邻的切割点相减得到；

4、优化切割点，把切割点靠近的都清除掉

5、设置感应区的区域，切割图片

垂直投影法和水平投影法类似，对比思考一下

因为我做的是表格的切割，你如果想实现验证码的切割，或者其他的类比这个，我想也是很容易实现的

我们先看一下，效果，还是很不错的

投影法分割字符

水平切割代码

// 图像切割,水平投影法切割
public List cutImgX() {
    int i, j;
    int nWidth = getWidth(), nHeight = getHeight();
    int[] xNum = new int[nHeight], cNum;
    int average = 0;// 记录像素的平均值
    // 统计出每行黑色像素点的个数
    for (i = 0; i < nHeight; i++) {
        for (j = 0; j < nWidth; j++) {
            if (getPixel(i, j) == BLACK) {
                xNum[i]++;
            }

        }
    }

    // 经过测试这样得到的平均值最优
    cNum = Arrays.copyOf(xNum, xNum.length);
    Arrays.sort(cNum);
    for (i = 31 * nHeight / 32; i < nHeight; i++) {
        average += cNum[i];
    }
    average /= (nHeight / 32);

    // 把需要切割的y点都存到cutY中
    List cutY = new ArrayList();
    for (i = 0; i < nHeight; i++) {
        if (xNum[i] > average) {
            cutY.add(i);
        }
    }

    // 优化cutY把
    if (cutY.size() != 0) {

        int temp = cutY.get(cutY.size() - 1);
        // 因为线条有粗细,优化cutY
        for (i = cutY.size() - 2; i >= 0; i--) {
            int k = temp - cutY.get(i);
            if (k <= 8) {
                cutY.remove(i);
            } else {
                temp = cutY.get(i);

            }

        }
    }

    // 把切割的图片都保存到YMat中
    List YMat = new ArrayList();
    for (i = 1; i < cutY.size(); i++) {
        // 设置感兴趣的区域
        int startY = cutY.get(i - 1);
        int height = cutY.get(i) - startY;
        Mat temp = new Mat(mat, new Rect(0, startY, nWidth, height));
        Mat t = new Mat();
        temp.copyTo(t);
        YMat.add(t);
    }

    return YMat;
}

垂直投影法

// 图像切割,垂直投影法切割
public List cutImgY() {

    int i, j;
    int nWidth = getWidth(), nHeight = getHeight();
    int[] xNum = new int[nWidth], cNum;
    int average = 0;// 记录像素的平均值
    // 统计出每列黑色像素点的个数
    for (i = 0; i < nWidth; i++) {
        for (j = 0; j < nHeight; j++) {
            if (getPixel(j, i) == BLACK) {
                xNum[i]++;
            }

        }
    }

    // 经过测试这样得到的平均值最优 , 平均值的选取很重要
    cNum = Arrays.copyOf(xNum, xNum.length);
    Arrays.sort(cNum);
    for (i = 31 * nWidth / 32; i < nWidth; i++) {
        average += cNum[i];
    }
    average /= (nWidth / 28);

    // 把需要切割的x点都存到cutY中,
    List cutX = new ArrayList();
    for (i = 0; i < nWidth; i += 2) {
        if (xNum[i] >= average) {
            cutX.add(i);
        }
    }

    if (cutX.size() != 0) {

        int temp = cutX.get(cutX.size() - 1);
        // 因为线条有粗细,优化cutY
        for (i = cutX.size() - 2; i >= 0; i--) {
            int k = temp - cutX.get(i);
            if (k <= 10) {
                cutX.remove(i);
            } else {
                temp = cutX.get(i);

            }

        }
    }

    // 把切割的图片都保存到YMat中
    List XMat = new ArrayList();
    for (i = 1; i < cutX.size(); i++) {
        // 设置感兴趣的区域
        int startX = cutX.get(i - 1);
        int width = cutX.get(i) - startX;
        Mat temp = new Mat(mat, new Rect(startX, 0, width, nHeight));
        Mat t = new Mat();
        temp.copyTo(t);
        XMat.add(t);
    }

    return XMat;
}

注：本文章参考了很多博客，感谢；主要是跟着一个博客来实现的https://blog.csdn.net/ysc6688/article/category/2913009(也是基于opencv来做的)感谢