image-processing - 从扫描的纸张中提取单词的图像

Question

我想获得许多扫描书籍（即波斯语（阿拉伯语脚本））中每个单词的小图像。我没有图像处理方面的实验。
我怎样才能以最有效的方式做到这一点？

Answer 1

我建议你在 MATLAB 中编写一个类似这样的脚本。
a ：字母之间最大距离的一半。（以像素为单位）
b ：单词之间的最小距离的一半。（以像素为单位）
（希望 a < b ）

对页面的扫描图像设置阈值。

I(I < Th) = 0;I(I > Th) = 1;  

通过实验选择“Th”。您应该得到一个二进制图像“我”，其中字母为 1。放大图像。

imdilate(I,a); 

这会将字母连接在一起。
去除噪音。

I = bwareaopen(I,n); 

这将删除所有少于 n 个像素的连接组件。
进行连通分量分析。

CC = bwconncomp(I);  
Rect = regionprops(I,'BoundingBox');  

这将返回包含单个单词的矩形的坐标列表。从原始副本中提取子矩阵并使用 imwrite() 写入图像。