python中超簡單的字符分割算法記錄(車牌識別、儀表識別等)

更新時間：2021年09月24日 09:57:23 作者：聽、風

這篇文章主要給大家介紹了關(guān)于python中超簡單的字符分割算法記錄，如車牌識別、儀表識別等,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

背景

在諸如車牌識別，數(shù)字儀表識別等問題中，最關(guān)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)