python中超簡單的字符分割算法記錄(車牌識別、儀表識別等)
發(fā)布日期：2022-01-01 09:55 | 文章來源：源碼之家
背景
在諸如車牌識別，數(shù)字儀表識別等問題中，最關鍵的就是將單個的字符分割開來再分別進行識別，如下圖。最近剛好用到，就自己寫了一個簡單地算法進行字符分割，來記錄一下。
圖像預處理
彩圖二值化以減小參數(shù)量，再進行腐蝕膨脹去除噪點。
image = cv2.imread('F://demo.jpg', 0) # 讀取為灰度圖
_, image = cv2.threshold(image, 50, 255, cv2.THRESH_BINARY) # 二值化
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) # 腐蝕膨脹核
kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 腐蝕膨脹核
image = cv2.erode(image, kernel=kernel1) # 腐蝕
image = cv2.dilate(image, kernel=kernel2) # 膨脹
確定字符區(qū)域
考慮最理想的情況，圖中的字符是端正沒有傾斜歪曲的。將像素灰度矩陣分別進行列相加、行相加，則在得到的列和、行和數(shù)組中第一個非 0 元素索引到最后一個非 0 元素索引包裹的區(qū)間即就是字符區(qū)域。
h, w = image.shape # 原圖的高和寬 list1 = [] # 列和 list2 = [] # 行和 for i in range(w): list1.append(1 if image[:, i].sum() != 0 else 0) # 列求和,不為0置1 for i in range(h): list2.append(1 if image[i, :].sum() != 0 else 0) # 行求和,不為0置1 # 裁剪字符區(qū)域 # 求行的范圍 flag = 0 for i, e in enumerate(list1): if e != 0: if flag == 0: # 第一個不為0的位置記錄 start_w = i flag = 1 else: # 最后一個不為0的位置 end_w = i # 求列的范圍 flag = 0 for i, e in enumerate(list2): if e != 0: if flag == 0: # 第一個不為0的位置記錄 start_h = i flag = 1 else: # 最后一個不為0的位置 end_h = i print(start_w, end_w) # 行索引范圍 print(start_h, end_h) # 列索引范圍
分割單個字符
與分割全部字符區(qū)域同理，在行和數(shù)組中非 0 元素索引的范圍即是單個字符的區(qū)域。
l = ([i for i, e in enumerate(list1) if e != 0]) # 列和列表中不為0的索引 img_list = [] # 分割數(shù)字圖片存儲列表 temp = [] # 存儲某一個數(shù)字的所有行索引值 n = 0 # 數(shù)字圖片數(shù)量 for x in l: temp.append(x) if x+1 not in l: # 索引不連續(xù)的情況 if len(temp) != 1: start_w = min(temp) # 索引最小值 end_w = max(temp) # 索引最大值 img_list.append(image[start_h:end_h, start_w:end_w]) # 對該索引包括數(shù)字切片 n += 1 temp = [] print(n) # 字符數(shù)
完整源碼
import cv2
start_h, end_h, start_w, end_w = 0, 0, 0, 0 # 字符區(qū)域的高和寬起止
image = cv2.imread('F://001_1.jpg', 0) # 直接讀取為灰度圖
cv2.imshow('img_GRAY', image)
_, image = cv2.threshold(image, 50, 255, cv2.THRESH_BINARY) # 二值化
cv2.imshow('img_BINARY', image)
# 去噪點
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) # 簡單腐蝕膨脹核
kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 簡單腐蝕膨脹核
image = cv2.erode(image, kernel=kernel1) # 腐蝕
image = cv2.dilate(image, kernel=kernel2) # 膨脹
cv2.imshow('img_denoise', image)
h, w = image.shape # 原圖的高和寬
# print(h, w)
list1 = [] # 列和
list2 = [] # 行和
for i in range(w):
list1.append(1 if image[:, i].sum() != 0 else 0) # 列求和,不為0置1
for i in range(h):
list2.append(1 if image[i, :].sum() != 0 else 0) # 行求和,不為0置1
# print(len(list1))
# print(len(list2))
# 裁剪字符區(qū)域
# 求行的范圍
flag = 0
for i, e in enumerate(list1):
if e != 0:
if flag == 0: # 第一個不為0的位置記錄
start_w = i
flag = 1
else: # 最后一個不為0的位置
end_w = i
# 求列的范圍
flag = 0
for i, e in enumerate(list2):
if e != 0:
if flag == 0: # 第一個不為0的位置記錄
start_h = i
flag = 1
else: # 最后一個不為0的位置
end_h = i
print(start_w, end_w) # 行索引范圍
print(start_h, end_h) # 列索引范圍
cv2.imshow('img_number', image[start_h:end_h, start_w:end_w])
l = ([i for i, e in enumerate(list1) if e != 0]) # 列和列表中不為0的索引
# print(l)
img_list = [] # 分割數(shù)字圖片存儲列表
temp = [] # 存儲某一個數(shù)字的所有行索引值
n = 0 # 數(shù)字圖片數(shù)量
for x in l:
temp.append(x)
if x+1 not in l: # 索引不連續(xù)的情況
if len(temp) != 1:
start_w = min(temp) # 索引最小值
end_w = max(temp) # 索引最大值
img_list.append(image[start_h:end_h, start_w:end_w]) # 對該索引包括數(shù)字切片
n += 1
# print(temp)
temp = []
print(n) # 字符數(shù)
for i in range(n): # 顯示保存字符
cv2.imshow('number'+str(i), img_list[i])
cv2.imwrite('F://demo'+str(i+1).zfill(2)+'.jpg', img_list[i])
cv2.waitKey(0)
結語
利用列向和行向相加的方法簡單分割字符的方法并不適用更加復雜的分割要求，另外算法中也沒有考慮小數(shù)點分割問題，僅作為學習參考，歡迎有問題一起討論交流。
到此這篇關于python中超簡單的字符分割算法記錄(車牌識別、儀表識別等)的文章就介紹到這了,更多相關python字符分割算法內容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持本站！
版權聲明：本站文章來源標注為YINGSOO的內容版權均為本站所有，歡迎引用、轉載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務器上建立鏡像，否則將依法追究法律責任。本站部分內容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內容涉嫌侵權，請聯(lián)系alex-e#qq.com處理。
相關文章
關注官方微信