[转]图片中的字符分割提取(基于opencv)

http://blog.csdn.net/anqing715/article/details/16883863

源图片

像这些图片的字符就比较好操作，每个字符都独立，不连在一起，所以轮廓检测最好了。
所以就有：
1.源图片转成单通道的灰阶图片
2.对灰度图像进行阈值操作得到二值图像

（对于一些手机拍的，背景色不是纯的话，可以用cvSmooth()平滑一下。）

二值化后的图片

3.轮廓检测（只获取最外层的）
4.遍历所有检测到的轮廓，用cvBoundingRect（）得到每一个轮廓的外接矩形

找到的轮廓

5.抠它们出来，这步在上面的遍历中直接通过setROI方法进行提取。

最后的结果

下面是源码：

#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
int main(int argc, char* argv[])
{
IplImage* imgSrc = cvLoadImage("D:\\4.jpg",CV_LOAD_IMAGE_COLOR);
IplImage* img_gray = cvCreateImage(cvGetSize(imgSrc), IPL_DEPTH_8U, 1);
cvCvtColor(imgSrc, img_gray, CV_BGR2GRAY);
cvThreshold(img_gray, img_gray,100, 255,CV_THRESH_BINARY_INV);// CV_THRESH_BINARY_INV使得背景为黑色，字符为白色，这样找到的最外层才是字符的最外层
cvShowImage("ThresholdImg",img_gray);
CvSeq* contours = NULL;
CvMemStorage* storage = cvCreateMemStorage(0);
// 上面源图片有瑕疵可以用腐蚀，膨胀来祛除
int count = cvFindContours(img_gray, storage, &contours,sizeof(CvContour),CV_RETR_EXTERNAL);
printf("轮廓个数：%d",count);
int idx = 0;
char szName[56] = {0};
int tempCount=0;
for (CvSeq* c = contours; c != NULL; c = c->h_next) {
CvRect rc =cvBoundingRect(c,0);
// if ()
// {
// continue; 这里可以根据轮廓的大小进行筛选
// }
cvDrawRect(imgSrc, cvPoint(rc.x, rc.y), cvPoint(rc.x + rc.width, rc.y + rc.height), CV_RGB(255, 0, 0));
IplImage* imgNo = cvCreateImage(cvSize(rc.width, rc.height), IPL_DEPTH_8U, 3);
cvSetImageROI(imgSrc, rc);
cvCopyImage(imgSrc, imgNo);
cvResetImageROI(imgSrc);
sprintf(szName, "wnd_%d", idx++);
cvNamedWindow(szName);
cvShowImage(szName, imgNo); //如果想切割出来的图像从左到右排序，或从上到下，可以比较rc.x,rc.y;
cvReleaseImage(&imgNo);
}
cvNamedWindow("src");
cvShowImage("src", imgSrc);
cvWaitKey(0);
cvReleaseMemStorage(&storage);
cvReleaseImage(&imgSrc);
cvReleaseImage(&img_gray);
cvDestroyAllWindows();
return 0;
}

巴特西

[转]图片中的字符分割提取(基于opencv)

最新文章

热门文章