基于OpenCV進(jìn)行文本分塊切割
假設(shè)有如下一張圖，如何把其中的文本分塊切割出來(lái)，比如“華普超市朝陽(yáng)門(mén)店”、“2015-07-26”就是兩個(gè)文本塊。
成都創(chuàng)新互聯(lián)公司是一家專(zhuān)注于網(wǎng)站制作、成都網(wǎng)站建設(shè)與策劃設(shè)計(jì),福州網(wǎng)站建設(shè)哪家好?成都創(chuàng)新互聯(lián)公司做網(wǎng)站,專(zhuān)注于網(wǎng)站建設(shè)十多年,網(wǎng)設(shè)計(jì)領(lǐng)域的專(zhuān)業(yè)建站公司;建站業(yè)務(wù)涵蓋:福州等地區(qū)。福州做網(wǎng)站價(jià)格咨詢(xún):18980820575
做圖像切割有很多種方法，本文描述一種最直觀的投影檢測(cè)法。先來(lái)看看什么是投影，簡(jiǎn)單來(lái)說(shuō)，投影就是在一定方向上有效像素的數(shù)量。來(lái)看個(gè)直觀的圖像：
這是一張水平投影圖與原圖的對(duì)比，從投影圖上能看到多個(gè)波峰，文字多的地方，投影就長(zhǎng)，行間的空白處，投影為0。 上個(gè)示例代碼：
public void HorizontalProjection()
{
//以灰度圖方式讀入源文件
string filename = "source.jpg";
var src = IplImage.FromFile(filename, LoadMode.GrayScale);
//二值化，采用閾值分割法
Cv.Threshold(src, src, 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);
//存儲(chǔ)投影值的數(shù)組
var h = new int[src.Height];
//對(duì)每一行計(jì)算投影值
for(int y = 0;y < src.Height;++y)
{
//遍歷這一行的每一個(gè)像素，如果是有效的，累加投影值
for(int x = 0;x < src.Width;++x)
{
var s = Cv.Get2D(src, y, x);
if(s.Val0 == 255)
h[y]++;
}
}
//準(zhǔn)備一個(gè)圖像用于畫(huà)投影圖
var paintY = Cv.CreateImage(src.Size, BitDepth.U8, 1);
Cv.Zero(paintY);
//畫(huà)圖
var t = new CvScalar(255);
for(int y = 0;y < src.Height;++y)
{
for(int x = 0;x < h[y];++x)
Cv.Set2D(paintY, y, x, t);
}
//顯示
using(var window = new CvWindow("Source"))
{
window.Image = src;
using(var win2 = new CvWindow("Projection"))
{
win2.Image = paintY;
Cv.WaitKey();
}
}
}顯然找出波峰對(duì)應(yīng)的y值，就能把行切割開(kāi)了。 得到一行以后，可以采用類(lèi)似的思想進(jìn)行垂直投影，挑了一行測(cè)試一下，效果如下：
可以看到效果不是特別好，左右結(jié)構(gòu)的漢字有可能被切開(kāi)，一個(gè)完整的數(shù)值也有可能分成多個(gè)數(shù)字，這種情況需要做一下處理，比如識(shí)別的時(shí)候要判斷如果間距較小就認(rèn)為仍是同一文本塊，或者對(duì)圖像進(jìn)行一下橫向膨脹處理：
var kernal = Cv.CreateStructuringElementEx(3, 1, 1, 0, ElementShape.Rect); Cv.Dilate(src, src, kernal, 4);
再計(jì)算投影，得到的效果就好多了：
最后上完整代碼以及切割效果展示：
using System;
using System.Collections.Generic;
using System.IO;
using System.Text;
using OpenCvSharp;
using OpenCvSharp.Extensions;
using OpenCvSharp.Utilities;
namespace OpenCvTest
{
class Program
{
static void Main(string[] args)
{
//打開(kāi)源文件
string filename = "source.jpg";
var src = IplImage.FromFile(filename);
//轉(zhuǎn)成灰度圖
var gray = Cv.CreateImage(src.Size, BitDepth.U8, 1);
Cv.CvtColor(src, gray, ColorConversion.BgrToGray);
//二值化，閾值分割算法
Cv.Threshold(gray, gray, 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);
//分行
var rows = GetRowRects(gray);
//針對(duì)每一行再分塊
var items = new List();
foreach (var row in rows)
{
var cols = GetBlockRects(gray.Clone(row), row.Y);
items.AddRange(cols);
}
//把識(shí)別出的每一塊畫(huà)到原圖上去
var color = new CvScalar(255, 0, 0);
foreach (var rect in items)
{
Cv.DrawRect(src, rect, color, 1);
}
//顯示
using (var window = new CvWindow("Image"))
{
window.Image = src;
Cv.WaitKey();
}
}
///
/// 識(shí)別行
///
///
/// GetRowRects(IplImage source)
{
var rows = new List();
//用于存儲(chǔ)投影值
var projection = new int[source.Height];
//遍歷每一行計(jì)算投影值
for (int y = 0; y < source.Height; ++y)
{
for (int x = 0; x < source.Width; ++x)
{
var s = Cv.Get2D(source, y, x);
if (s.Val0 == 255)
projection[y]++;
}
}
bool inLine = false;
int start = 0;
//開(kāi)始根據(jù)投影值識(shí)別分割點(diǎn)
for (int i = 0; i < projection.Length; ++i)
{
if (!inLine && projection[i] > 10)
{
//由空白進(jìn)入字符區(qū)域了，記錄標(biāo)記
inLine = true;
start = i;
}
else if ((i - start > 5) && projection[i] < 10 && inLine)
{
//由字符區(qū)域進(jìn)入空白區(qū)域了
inLine = false;
//忽略高度太小的行，比如分隔線(xiàn)
if (i - start > 10)
{
//記錄下位置
var rect = new CvRect(0, start - 1 , source.Width, i - start + 2);
rows.Add(rect);
}
}
}
return rows;
}
///
/// 識(shí)別塊
///
///
///
/// GetBlockRects(IplImage source, int rowY)
{
var blocks = new List();
//用于存儲(chǔ)投影值
var projection = new int[source.Width];
//先進(jìn)行橫向膨脹
var kernal = Cv.CreateStructuringElementEx(3, 1, 1, 0, ElementShape.Rect);
Cv.Dilate(source, source, kernal, 4);
//遍歷每一列計(jì)算投影值
for (int x = 0; x < source.Width; ++x)
{
for (int y = 0; y < source.Height; ++y)
{
var s = Cv.Get2D(source, y, x);
if (s.Val0 == 255)
projection[x]++;
}
}
bool inBlock = false;
int start = 0;
//開(kāi)始根據(jù)投影值識(shí)別分割點(diǎn)
for (int i = 0; i < projection.Length; ++i)
{
if (!inBlock && projection[i] >= 2)
{
//由空白區(qū)域進(jìn)入字符區(qū)域了
inBlock = true;
start = i;
}
else if ((i - start > 10) && inBlock && projection[i] < 2)
{
//由字符區(qū)域進(jìn)入空白區(qū)域了
inBlock = false;
//記錄位置，注意由于傳入的是source只是一行，因此最終的位置信息要+rowY
if(blocks.Count > 0)
{
//跟上一個(gè)比一下，如果距離過(guò)近，認(rèn)為是同一個(gè)文本塊，合并
var last = blocks[blocks.Count - 1];
if (start - last.X - last.Width <= 5)
{
blocks.RemoveAt(blocks.Count - 1);
var rect = new CvRect(last.X, rowY, i - last.X, source.Height);
blocks.Add(rect);
}
else
{
var rect = new CvRect(start, rowY, i - start, source.Height);
blocks.Add(rect);
}
}
else
{
var rect = new CvRect(start, rowY, i - start, source.Height);
blocks.Add(rect);
} }
}
return blocks;
}
}
} 得到的圖像如下，效果還行，將來(lái)繼續(xù)優(yōu)化吧：
未經(jīng)許可嚴(yán)禁轉(zhuǎn)載。
分享名稱(chēng)：基于OpenCV進(jìn)行文本分塊切割
轉(zhuǎn)載來(lái)源：http://m.jiaotiyi.com/article/jehoeh.html