Python实现投影法分割图像示例(二)

在上篇博客中，我们已经实现了水平投影和垂直投影图的绘制。接下来，我们可以根据获得的投影数据进行图像的分割，该法用于文本分割较多，所以此处依然以上次的图为例。

先把上次的两幅图搬过来，方便讲解。

上面两图分别从垂直和水平方向描述了图像中文本的分布。我们想象一下，将两幅图重叠起来（当然这里比例要调整下），那么我们就能得到四个重叠的白块，而这些白块所处的位置正是原图中文本的位置。所以接下来的任务就是，找出这些白块的坐标，此处白块近似矩形，所以我们要求矩形的四个坐标。

下面看代码。

#根据水平投影值选定行分割点
inline = 1
start = 0
j = 0
for i in range(0,height):
 if inline == 1 and z[i] >= 150 : #从空白区进入文字区
   start = i #记录起始行分割点
   print i
   inline = 0
 elif (i - start > 3) and z[i] < 150 and inline == 0 : #从文字区进入空白区
   inline = 1
   hfg[j][0] = start - 2 #保存行分割位置
   hfg[j][1] = i + 2
   j = j + 1

确定行分割点的原理就是判断每一行的像素点数是否足够。我们可以从水平投影图中看出，白块是有文字的地方（原图是黑字白底，只是画投影图时选用白块黑底），即前面几行，灰度值为0的点的个数N很少，所以当遇到文字区时，N会很大，根据这一点，我们确定进入文字区的坐标（A1，B1）。然后，当从文字区出来时，N又变的很小，我们再记下它的坐标（A1，B2）。同理，我们可以确定列分割点。

 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 : #从空白区进入文字区
     start1 = i1 #记录起始列分割点
     incol = 0
   elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #从文字区进入空白区
     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

最后根据矩形的坐标将文本在图中框出来。附上完整代码。

import cv2
import numpy
img = 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)
#使文字增长成块
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))#形态学处理，定义矩形结构
closed = cv2.erode(thresh, None, iterations = 7)
#cv2.imshow('erode',closed)
height, width = closed.shape[:2]
#print height, width
z = [0]*height
v = [0]*width
hfg = [[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 = 0
emptyImage1 = 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
#根据水平投影值选定行分割点
inline = 1
start = 0
j = 0
for i in range(0,height):
 if inline == 1 and z[i] >= 150 : #从空白区进入文字区
   start = i #记录起始行分割点
   #print i
   inline = 0
 elif (i - start > 3) and z[i] < 150 and inline == 0 : #从文字区进入空白区
   inline = 1
   hfg[j][0] = start - 2 #保存行分割位置
   hfg[j][1] = i + 2
   j = j + 1

#对每一行垂直投影、分割
a = 0
for 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
 #垂直分割点
 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 : #从空白区进入文字区
     start1 = i1 #记录起始列分割点
     incol = 0
   elif (i1 - start1 > 3) and v[i1] < 20 and incol == 0 : #从文字区进入空白区
     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)

代码中注释掉的一些代码，有的是我做的一些小变动，有的是观察中间值。大家可自行查看。

最后放上结果图。

由于文本的坐标已经有了，还可以把这些文本块截取下来，用一下PIL或者OPENCV就好了，此处就不做了。

来源：https://blog.csdn.net/TIME_LEAF/article/details/79422860