3

我正在处理这张图片作为来源：

源代码

应用下一个代码...

import cv2
import numpy as np

mser = cv2.MSER_create()
img = cv2.imread('C:\\Users\\Link\\Desktop\\test2.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
vis = img.copy()
regions, _ = mser.detectRegions(gray)
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions]
cv2.polylines(vis, hulls, 1, (0, 255, 0))

mask = np.zeros((img.shape[0], img.shape[1], 1), dtype=np.uint8)
for contour in hulls:
    cv2.drawContours(mask, [contour], -1, (255, 255, 255), -1)

    text_only = cv2.bitwise_and(img, img, mask=mask)

cv2.imshow('img', vis)
cv2.waitKey(0)
cv2.imshow('img', mask)
cv2.waitKey(0)
cv2.imshow('img', text_only)
cv2.waitKey(0)

cv2.imwrite('C:\\Users\\Link\\Desktop\\test_o\\1.png', text_only)

...我得到这个结果（掩码）：

o1

问题是这样的：

the number 5只要在掩码图像中分割，如何合并为数字系列（157661546）中的单个对象？

谢谢

4

1 回答 1

4

看看这里，这似乎是确切的答案。

取而代之的是，我的上述代码版本针对文本提取进行了微调（也带有掩码）。

下面是上一篇文章的原始代码，“移植”到python 3、opencv 3，添加了mser和边界框。与我的版本的主要区别在于如何定义分组距离：我的是面向文本的，而下面的一个是自由几何距离。

import sys
import cv2
import numpy as np

def find_if_close(cnt1,cnt2):
    row1,row2 = cnt1.shape[0],cnt2.shape[0]
    for i in range(row1):
        for j in range(row2):
            dist = np.linalg.norm(cnt1[i]-cnt2[j])
            if abs(dist) < 25:      # <-- threshold
                return True
            elif i==row1-1 and j==row2-1:
                return False

img = cv2.imread(sys.argv[1])
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.imshow('input', img)

ret,thresh = cv2.threshold(gray,127,255,0)

mser=False
if mser:
    mser = cv2.MSER_create()
    regions = mser.detectRegions(thresh)
    hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions[0]]
    contours = hulls
else:
    thresh = cv2.bitwise_not(thresh) # wants black bg
    im2,contours,hier = cv2.findContours(thresh,cv2.RETR_EXTERNAL,2)

cv2.drawContours(img, contours, -1, (0,0,255), 1)
cv2.imshow('base contours', img)


LENGTH = len(contours)
status = np.zeros((LENGTH,1))

print("Elements:", len(contours))
for i,cnt1 in enumerate(contours):
    x = i    
    if i != LENGTH-1:
        for j,cnt2 in enumerate(contours[i+1:]):
            x = x+1
            dist = find_if_close(cnt1,cnt2)
            if dist == True:
                val = min(status[i],status[x])
                status[x] = status[i] = val
            else:
                if status[x]==status[i]:
                    status[x] = i+1

unified = []
maximum = int(status.max())+1
for i in range(maximum):
    pos = np.where(status==i)[0]
    if pos.size != 0:
        cont = np.vstack(contours[i] for i in pos)
        hull = cv2.convexHull(cont)
        unified.append(hull)

cv2.drawContours(img,contours,-1,(0,0,255),1)
cv2.drawContours(img,unified,-1,(0,255,0),2)
#cv2.drawContours(thresh,unified,-1,255,-1)

for c in unified:
    (x,y,w,h) = cv2.boundingRect(c)
    cv2.rectangle(img, (x,y), (x+w,y+h), (255, 0, 0), 2)

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

样本输出（黄色斑点低于二进制阈值转换，因此被忽略）。红色：原始轮廓，绿色：统一轮廓，蓝色：边界框。

样本输出

可能不需要使用 MSER，因为简单的 findContours 可能工作正常。

----------------------

在我找到上面的代码之前，从这里开始有我的旧答案。无论如何我都会离开它，因为它描述了几种不同的方法，这些方法可能更容易/更适合某些场景。

一个快速而肮脏的技巧是在 MSER 之前添加一个小的高斯模糊和一个高阈值（或者如果您喜欢花哨的东西，可以进行一些稀释/侵蚀）。在实践中，您只需将文本加粗以填补小空白。显然，您以后可以丢弃此版本并从原始版本中裁剪。

否则，如果您的文本成行，您可以尝试检测平均线中心（例如制作 Y 坐标的直方图并找到峰值）。然后，对于每一行，寻找具有接近平均 X 的片段。如果文本嘈杂/复杂，则非常脆弱。

如果您不需要拆分每个字母，获取整个单词的边界框可能会更容易：只需根据片段之间的最大水平距离（使用轮廓的最左边/最右边的点）分组。然后使用每个组中最左边和最右边的框找到整个边界框。对于多行文本，第一组按质心 Y 坐标。

实施说明：

Opencv 允许您创建直方图，但您可能可以摆脱这样的事情（在类似的任务中为我工作）：

def histogram(vals, th=4, bins=400):
    hist = np.zeros(bins)
    for y_center in vals:
        bucket = int(round(y_center / 2.)) <-- change this "2."
        hist[bucket-1] += 1
    print("hist: ", hist)

    hist = np.where(hist > th, hist, 0)
    return hist

这里我的直方图只是一个包含 400 个桶的数组（我的图像高 800 像素，所以每个桶捕获两个像素，这就是“2.”的来源）。Vals 是每个片段质心的 Y 坐标（在构建此列表时，您可能希望忽略非常小的元素）。th 阈值只是为了消除一些噪音。你应该得到这样的东西：

0,0,0,5,22,0,0,0,0,43,7,0,0,0

该列表从上到下描述了每个位置有多少个片段。

现在我运行另一遍将峰值合并为一个值（只需扫描数组并在它非零时求和并在第一个零处重置计数）得到类似 {y:count} 的内容：

{9:27, 20:50}

现在我知道我在 y=9 和 y=20 处有两个文本行。现在或之前，您将每个片段分配给在线（在我的情况下再次使用 8px 阈值）。现在您可以单独处理每一行，找到“单词”。顺便说一句，我也遇到了同样的问题，就是字母破损，这就是我来这里寻找 MSER 的原因 :)。请注意，如果您找到单词的整个边界框，则此问题仅发生在第一个/最后一个字母上：其他损坏的字母无论如何都落在单词框内。

这是侵蚀/扩张事物的参考，但高斯模糊/th对我有用。

更新：我注意到这一行有问题：

regions = mser.detectRegions(thresh)

我传入已经阈值的图像（！？）。这与聚合部分无关，但请记住 mser 部分未按预期使用。

于 2017-12-05T23:30:03.237 回答