OpenCV4入门系列教程测试4:简单文字切割

入门系列索引:系列教程索引地址

上一篇:OpenCV4入门系列教程33:击中和击不中

OCR测试

经过鼠标操作、形态学处理等等之后,我们来进行一个大一点的技术测试。

首先,准备一张全是文字的图片。

(这是百度百科幽弥狂的介绍中的一部分)

src

我们只是入门了OpenCV,所以就不做骚操作,首先测试的是全文字。

OCR的基础流程是:

  • 需要OCR的源文件(PNG图片)
  • OpenCV读取源文件(imread())
  • 灰度化图片(cvtColor())
  • 二值化图片(使用阈值进行二值化)
  • 将黑白图片切割为最小化的单个图片
  • 识别每个图片的结果
  • 整合结果
  • 格式化结果
  • 输出结果

我们此篇文章只切割到单个图片就结束。

那就按照流程:

源文件就不需要多说了,随便截一张全是文字的图片就可以了。

读取文件

读取文件就是读取测试图片了

1
cv::imread("opencv_ocr_src.png");

效果如图:

src2

灰度化图片

灰度化有两种:一是在读取的时候设置读取参数,二是源图片转换

这里使用的是第二种:

1
2
3
4
5
6
7
8
9
10
cv::Mat getGrayImg(cv::Mat mImg){
cv::Mat grayImg;
if (mImg.channels() == 3) {
cv::cvtColor(mImg, grayImg, cv::COLOR_BGR2GRAY);
} else {
grayImg = mImg;
}

return grayImg;
}

输入原图,通道有一通道、三通道、四通道,如果不是三通道就肯定是一通道,要么是灰度图要么是黑白图就不用处理了(四通道暂时不考虑),输出是灰度图。

效果如图:

gray

二值化图片

将上面的灰度图通过阈值转换为二值图,方式很多。我选用的是:计算所有灰度图的像素值,去平均值,以此为阈值二值化。如果结果图片中白色较多,就翻转图片,保持黑色像素多于白色像素。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
cv::Mat getBinImg(cv::Mat grayImg,int threholdValue=-1){
cv::Mat result;
int middle = 0;

if (threholdValue == -1) {
uchar * p;
int nrows = grayImg.rows;
int ncols = grayImg.cols;
long long int count = 0;
int mid = 0;
//获取并计算灰度值的平均值
for (int i = 0; i < nrows; i++) {
p = grayImg.ptr<uchar>(i);
for (int j = 0; j < ncols; j++) {
mid += p[ j ];
count++;
}
}
middle = int((mid / count) * 2 / 3); //
} else {
middle = threholdValue;
}
std::cout << "Average pixel is: " << middle<<std::endl;
//以平均值二值化图片
threshold(grayImg, result, middle, 255, cv::THRESH_BINARY);

//如果黑色像素点较多则翻转图片像素
int white = 0;
int black = 0;
for (int i = 0; i < result.rows; i++) {
uchar *ptr = result.ptr(i);
for (int j = 0; j < result.cols; j++) {
if (ptr[ j ] == 0)
black++;
else
white++;
}
}

if (black >= white)
result = ~result;

return result;
}

效果如图:

bin

切割图片

x轴投影

从图片的x方向来看,每一行中间都有间隔。如果向右侧投影,有文字的部分投影为黑色,无文字的部分投影为白色。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
//水平方向投影并行分割
std::vector<cv::Mat> getShadowXResult(cv::Mat bin){
assert(!bin.empty());
//是否为白色或者黑色根据二值图像的处理得来
cv::Mat painty(bin.size(), CV_8UC1, cv::Scalar(255)); //初始化为全白

//水平投影
int *pointcount = new int[ bin.rows ]; //在二值图片中记录行中特征点的个数
memset(pointcount, 0, bin.rows * 4); //注意这里需要进行初始化

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < bin.cols; j++) {
if (bin.at<uchar>(i, j) == 0) {
pointcount[ i ]++; //记录每行中黑色点的个数 //水平投影按行在y轴上的投影
}
}
}

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < pointcount[ i ]; j++) //根据每行中黑色点的个数,进行循环
{
painty.at<uchar>(i, j) = 0;
}
}

cv::imwrite("x.png",painty);

std::vector<cv::Mat> result;
int startindex = 0;
int endindex = 0;
bool inblock = false; //是否遍历到字符位置

for (int i = 0; i < painty.rows; i++) {
if (!inblock && pointcount[ i ] != 0) //进入有字符区域
{
inblock = true;
startindex = i;
}
if (inblock && pointcount[ i ] == 0) //进入空白区
{
endindex = i;
inblock = false;
cv::Mat roi = bin.rowRange(startindex, endindex + 1); //从而记录从开始到结束行的位置,即可进行行切分
result.push_back(roi);
}
}
delete[] pointcount;

return result;
}

效果如图:

x

从第0行开始至最后一行,碰到黑色像素就记录位置px1,如果碰到白色像素值就记录位置px2。根据统一的宽度w,我们可以框出其子矩形部分(就是一行文字)(0,px1,px2-px1,w)。

y轴投影

对于每一行文字,每个文字之间都有间隔。将每一行的文字像素向y轴投影,就会得到类似于柱形图的像素分布图。根据x轴投影的效果,我们按照黑白像素的间隔进行切割,就会切割出单个字符了。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
//垂直方向投影
std::vector<cv::Mat> getShadowYResult(cv::Mat bin){
assert(!bin.empty());

cv::Mat paintx(bin.size(), CV_8UC1, cv::Scalar(255)); //创建一个全白图片,用作显示

int *pointcount = new int[ bin.cols ];
memset(pointcount, 0, bin.cols * 4);

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < bin.cols; j++) {
if (bin.at<uchar>(i, j) == 0) {
pointcount[ j ]++; //垂直投影按列在x轴进行投影
}
}
}
for (int i = 0; i < bin.cols; i++) {
for (int j = 0; j < pointcount[ i ]; j++) {
paintx.at<uchar>(bin.rows - 1 - j, i) = 0; //翻转到下面,便于观看
}
}

cv::imwrite("y.png",paintx);

std::vector<cv::Mat> result;
int startindex = 0;
int endindex = 0;
bool inblock = false; //是否遍历到字符位置

for (int i = 0; i < paintx.cols; i++) {
if (!inblock && pointcount[ i ] != 0) //进入有字符区域
{
inblock = true;
startindex = i;
}
if (inblock && pointcount[ i ] == 0) //进入空白区
{
endindex = i;
inblock = false;
cv::Mat roi = bin.colRange(startindex, endindex + 1); //从而记录从开始到结束行的位置,即可进行行切分
result.push_back(roi);
}
}

delete[] pointcount;

return result;
}

投影效果如图:

y

对于每一列,如果是黑色部分就记录位置py1,如果是白色部分就表示此时文字结束了,位置为py2。一行文字的高度是固定的h(因为图片高度是固定的),那么单个字符的子框为(py1,0,py2-py1,h)。

上面代码是切割一行,对于多行文字需要不断操作。对于每一行都进行y轴切割。

1
2
3
4
5
6
7
8
9
10
11
//将图片进行行切割
std::vector<cv::Mat> xresult = getShadowXResult(binImg);
for(int i=0;i<static_cast<int>(xresult.size());i++){//罗列每一行
cv::Mat temp = xresult.at(i);//对于当前行
std::vector<cv::Mat> yresult = getShadowYResult(temp);//进行列切割
for(int j=0;j<static_cast<int>(yresult.size());j++){
std::string filePath = "/home/jackey/Downloads/result/"+std::to_string(count++)+".png";
std::cout<<filePath<<std::endl;
cv::imwrite(filePath,yresult.at(j));//保存单个数据
}
}

结果

结果行和列切割之后,我们就得到文字图片中的单个字符的图片。

result

完整代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
#include "opencv2/opencv.hpp"
#include "assert.h"
#include "vector"
#include "iostream"

cv::Mat getGrayImg(cv::Mat mImg){
cv::Mat grayImg;
if (mImg.channels() == 3 ) {
cv::cvtColor(mImg, grayImg, cv::COLOR_BGR2GRAY);
} else {
grayImg = mImg;
}

return grayImg;
}

cv::Mat getBinImg(cv::Mat grayImg,int threholdValue=-1){
cv::Mat result;
int middle = 0;

if (threholdValue == -1) {
uchar * p;
int nrows = grayImg.rows;
int ncols = grayImg.cols;
long long int count = 0;
int mid = 0;
//获取并计算灰度值的平均值
for (int i = 0; i < nrows; i++) {
p = grayImg.ptr<uchar>(i);
for (int j = 0; j < ncols; j++) {
mid += p[ j ];
count++;
}
}
middle = int((mid / count) * 2 / 3); //
} else {
middle = threholdValue;
}
std::cout << "Average pixel is: " << middle<<std::endl;
//以平均值二值化图片
threshold(grayImg, result, middle, 255, cv::THRESH_BINARY);

//如果黑色像素点较多则翻转图片像素
int white = 0;
int black = 0;
for (int i = 0; i < result.rows; i++) {
uchar *ptr = result.ptr(i);
for (int j = 0; j < result.cols; j++) {
if (ptr[ j ] == 0)
black++;
else
white++;
}
}

if (black >= white)
result = ~result;

return result;
}
//水平方向投影并行分割
std::vector<cv::Mat> getShadowXResult(cv::Mat bin){
assert(!bin.empty());
//是否为白色或者黑色根据二值图像的处理得来
cv::Mat painty(bin.size(), CV_8UC1, cv::Scalar(255)); //初始化为全白

//水平投影
int *pointcount = new int[ bin.rows ]; //在二值图片中记录行中特征点的个数
memset(pointcount, 0, bin.rows * 4); //注意这里需要进行初始化

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < bin.cols; j++) {
if (bin.at<uchar>(i, j) == 0) {
pointcount[ i ]++; //记录每行中黑色点的个数 //水平投影按行在y轴上的投影
}
}
}

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < pointcount[ i ]; j++) //根据每行中黑色点的个数,进行循环
{
painty.at<uchar>(i, j) = 0;
}
}

cv::imwrite("x.png",painty);

std::vector<cv::Mat> result;
int startindex = 0;
int endindex = 0;
bool inblock = false; //是否遍历到字符位置

for (int i = 0; i < painty.rows; i++) {
if (!inblock && pointcount[ i ] != 0) //进入有字符区域
{
inblock = true;
startindex = i;
}
if (inblock && pointcount[ i ] == 0) //进入空白区
{
endindex = i;
inblock = false;
cv::Mat roi = bin.rowRange(startindex, endindex + 1); //从而记录从开始到结束行的位置,即可进行行切分
result.push_back(roi);
}
}
delete[] pointcount;

return result;
}
//垂直方向投影
std::vector<cv::Mat> getShadowYResult(cv::Mat bin){
assert(!bin.empty());

cv::Mat paintx(bin.size(), CV_8UC1, cv::Scalar(255)); //创建一个全白图片,用作显示

int *pointcount = new int[ bin.cols ];
memset(pointcount, 0, bin.cols * 4);

for (int i = 0; i < bin.rows; i++) {
for (int j = 0; j < bin.cols; j++) {
if (bin.at<uchar>(i, j) == 0) {
pointcount[ j ]++; //垂直投影按列在x轴进行投影
}
}
}
for (int i = 0; i < bin.cols; i++) {
for (int j = 0; j < pointcount[ i ]; j++) {
paintx.at<uchar>(bin.rows - 1 - j, i) = 0; //翻转到下面,便于观看
}
}

cv::imwrite("y.png",paintx);

std::vector<cv::Mat> result;
int startindex = 0;
int endindex = 0;
bool inblock = false; //是否遍历到字符位置

for (int i = 0; i < paintx.cols; i++) {
if (!inblock && pointcount[ i ] != 0) //进入有字符区域
{
inblock = true;
startindex = i;
}
if (inblock && pointcount[ i ] == 0) //进入空白区
{
endindex = i;
inblock = false;
cv::Mat roi = bin.colRange(startindex, endindex + 1); //从而记录从开始到结束行的位置,即可进行行切分
result.push_back(roi);
}
}

delete[] pointcount;

return result;
}

int main(){
int count=0;
cv::Mat mImg=cv::imread("opencv_ocr_src.png");
cv::imwrite("src.png",mImg);
if(mImg.empty()){
std::cout<<"Reading image failed"<<std::endl;
}
//图片预处理
cv::Mat grayImg = getGrayImg(mImg);
cv::imwrite("gray.png",grayImg);
assert(!grayImg.empty());
cv::Mat binImg = getBinImg(grayImg);
cv::imwrite("bin.png",binImg);
assert(!binImg.empty());

std::vector<cv::Mat> xresult = getShadowXResult(binImg);
for(int i=0;i<static_cast<int>(xresult.size());i++){
cv::Mat temp = xresult.at(i);
std::vector<cv::Mat> yresult = getShadowYResult(temp);
for(int j=0;j<static_cast<int>(yresult.size());j++){
std::string filePath = "/home/jackey/Downloads/result/"+std::to_string(count++)+".png";
std::cout<<filePath<<std::endl;
cv::imwrite(filePath,yresult.at(j));
}
}
}

问题

  • "是一个字符表示双引号的左半部分,但是因为中间有白色像素被切割为两个字符
  • 只能切割纯文字图片

现在人工智能很火,最好的方法是用神经网络、深度学习进行训练字符分类、切割。

如果我测试过,后期会更新。

下一篇:OpenCV4入门系列教程34:图像查找表(LUT)