在上篇博客中，我們已經實現了水平投影和垂直投影圖的繪制。接下來，我們可以根據獲得的投影數據進行圖像的分割，該法用于文本分割較多，所以此處依然以上次的圖為例。
先把上次的兩幅圖搬過來，方便講解。
上面兩圖分別從垂直和水平方向描述了圖像中文本的分布。我們想象一下，將兩幅圖重疊起來（當然這里比例要調整下），那么我們就能得到四個重疊的白塊，而這些白塊所處的位置正是原圖中文本的位置。所以接下來的任務就是，找出這些白塊的坐標，此處白塊近似矩形，所以我們要求矩形的四個坐標。
下面看代碼。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
#根據水平投影值選定行分割點inline = 1start = 0j = 0for i in range(0,height): if inline == 1 and z[i] >= 150 : #從空白區進入文字區 start = i #記錄起始行分割點 print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #從文字區進入空白區 inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1 |
確定行分割點的原理就是判斷每一行的像素點數是否足夠。我們可以從水平投影圖中看出，白塊是有文字的地方（原圖是黑字白底，只是畫投影圖時選用白塊黑底），即前面幾行，灰度值為0的點的個數N很少，所以當遇到文字區時，N會很大，根據這一點，我們確定進入文字區的坐標（A1，B1）。然后，當從文字區出來時，N又變的很小，我們再記下它的坐標（A1，B2）。同理，我們可以確定列分割點。
|
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 : #從空白區進入文字區 start1 = i1 #記錄起始列分割點 incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #從文字區進入空白區 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 |
最后根據矩形的坐標將文本在圖中框出來。附上完整代碼。
|
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) #使文字增長成塊kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))#形態學處理，定義矩形結構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#根據水平投影值選定行分割點inline = 1start = 0j = 0for i in range(0,height): if inline == 1 and z[i] >= 150 : #從空白區進入文字區 start = i #記錄起始行分割點 #print i inline = 0 elif (i - start > 3) and z[i] < 150 and inline == 0 : #從文字區進入空白區 inline = 1 hfg[j][0] = start - 2 #保存行分割位置 hfg[j][1] = i + 2 j = j + 1 #對每一行垂直投影、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 #垂直分割點 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 : #從空白區進入文字區 start1 = i1 #記錄起始列分割點 incol = 0 elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #從文字區進入空白區 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) |
代碼中注釋掉的一些代碼，有的是我做的一些小變動，有的是觀察中間值。大家可自行查看。
最后放上結果圖。
由于文本的坐標已經有了，還可以把這些文本塊截取下來，用一下PIL或者OPENCV就好了，此處就不做了。
以上這篇Python實現投影法分割圖像示例(二)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持服務器之家。
原文鏈接：https://blog.csdn.net/TIME_LEAF/article/details/79422860
