使用openCV去除文字中乱入的线条实例
今天上午,朋友发来一张图片如下。没错,这就是原图,他希望可以通过一些简单的算法将图中这条穿过单词间的直线去掉,使得到的结果能够通过他的文字识别算法并得出正确结果——The Techniques of Machine Vision。
乍一看这似乎挺简单,(1)将图像二值化;(2)找出这条直线;(3)将直线区域填成背景色(即白色);(4)再通过膨胀、腐蚀等操作将单词缺失的部分给补全。以上4步似乎可以满足要求,但测试发现,效果不尽人意。
一、按上述方法实现过程
二值化结果如图1.1所示,可以看到图像并不标准,直线粗细也不一,我们尝试用霍夫变换找一下直线,代码如下
void findLines(IplImage* raw, IplImage* dst) { IplImage* src = cvCloneImage(raw); IplImage* canny = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); cvCanny(src, canny, 20, 200, 3); CvMemStorage* stor = cvCreateMemStorage(0); CvSeq* lines = NULL; lines = cvHoughLines2(canny, stor, CV_HOUGH_PROBABILISTIC, 1, CV_PI / 180, 80, 200, 30); cvZero(dst); CvPoint maxStart, maxEnd; int maxDistance = 0; for (int i = 0; i < lines->total; i++) { CvPoint* line = (CvPoint*)cvGetSeqElem(lines, i); if (abs(line[0].x - line[1].x) > maxDistance) { maxDistance = abs(line[0].x - line[1].x); maxStart = line[0]; maxEnd = line[1]; } } cvLine(dst, maxStart, maxEnd, cvScalar(255), 1); cvReleaseImage(&src); cvReleaseMemStorage(&stor); }
简要解释一下这段代码。函数的功能是在输入图像中找出一条直线,输入的图像是灰度图raw,返回值为dst,返回值是以图片的形式,将找到的直线画上图中。
函数lines = cvHoughLines2(canny, stor, CV_HOUGH_PROBABILISTIC, 1, CV_PI / 180, 80, 200, 30);的参数表明,要求直线长度在200个像素以上,且两条在同一直线上的线段,如果相隔不到30个像素,就把它们连起来【注:图片尺寸为1066×148】。对于找到的多条直线,认为最长的一条是我们要找的那条。找距离时用了abs(line[0].x - line[1].x);是不严格的,严格来讲应该是
sqrt((line[0].x - line[1].x)*(line[0].x - line[1].x)+(line[0].y - line[1].y)*(line[0].x - line[1].x))
不过图中的直线接近水平,这里就简化一下啦。
所以将运行这段代码后,返回的图片dst应该是这样子的
图1.2中直线的粗线可以通过改变cvLine(dst, maxStart, maxEnd, cvScalar(255), 1);最后一个参数来调整,这里用的是1。
接下来步骤就是在二值化图(图1.1)中去掉这条线,代码如下:
void eraseLine(IplImage* src, IplImage* flag) {// flag为图1.2所示的图片,src为图1.1所示的二值化图片 for (int row = 0; row < src->height; row++) for (int col = 0; col < src->width; col++) { // 如果在白色线段上,则将二值化图片填为白色 if (cvGet2D(flag, row, col).val[0] == 255) cvSet2D(src, row, col, cvScalar(255)); } }
当直线的宽度分别为2、3个像素时,二值化图去掉直线后的效果如下
可以看到,效果很差,如果要膨胀(黑色部分减小),单词下边部分都会消失了,直接腐蚀(黑色部分增大),线又不能完全去掉。
后来,我采用的办法是,对图1.3重新找一次直线(减去一次直线后,中间还残留一部分短些的直线),再减掉,再找再减掉。后面再对图像进行腐蚀(黑色部分增长)。最终效果最好这就如下图所示
但这种方法用时长、针对不同的直线,找直线-减直线 的重复次数还不一样,不具有可移植性。而且啊,这个图片识别出来的结果是
The Technique_sJ_otMachine Vision
所以需要采用新的办法来解决这个问题。
二、新的办法
源代码如下
#include <cv.h> #include <highgui.h> #include <iostream> using namespace std; /* 函数功能:在输入图像中找一条直线 输入输出:输入的图像是灰度图raw,返回值为dst,返回值是一条白色的线 lines = cvHoughLines2(canny, stor, CV_HOUGH_PROBABILISTIC, 1, CV_PI / 180, 80, 200, 30); 参数中的200是指要找的直线长度要在200个像素以上; 参数中的30指的是两条在同一直线上的线段,如果相隔不到30,则把它们连起来 */ void findLines(IplImage* raw, IplImage* dst) { IplImage* src = cvCloneImage(raw); // clone the input image IplImage* canny = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); // create a tmp image head to save gradient image cvCanny(src, canny, 20, 200, 3); // Generate its gradient image CvMemStorage* stor = cvCreateMemStorage(0); CvSeq* lines = NULL; // find a line whose length bigger than 200 pixels lines = cvHoughLines2(canny, stor, CV_HOUGH_PROBABILISTIC, 1, CV_PI / 180, 80, 200, 30); cvZero(dst); CvPoint maxStart, maxEnd; // save the coordinate of the head and rear of the line we want int maxDistance = 0; // The maximum distance of all lines found by [cvHoughLines2] for (int i = 0; i < lines->total; i++) // lines->total: the number of lines { // variable 'lines' is a sequence, [cvGetSeqElem] gets the (i)th line, and it returns its head and rear. CvPoint* line = (CvPoint*)cvGetSeqElem(lines, i); // line[0] and line[1] is respectively the line's coordinate of its head and rear if (abs(line[0].x - line[1].x) > maxDistance) {/* It's a trick because the line is almost horizontal. strictly, it should be sqrt((line[0].x - line[1].x)*(line[0].x - line[1].x)+(line[0].y - line[1].y)*(line[0].x - line[1].x)) */ maxDistance = abs(line[0].x - line[1].x); maxStart = line[0]; maxEnd = line[1]; } } cvLine(dst, maxStart, maxEnd, cvScalar(255), 1); // draw the white line[cvScalar(255)] in a black background cvReleaseImage(&src); // free the memory cvReleaseMemStorage(&stor); } /* 函数功能:擦除面积小于【15个像素】的小块儿 输入输出:无返回值,直接对输入的图像进行操作 */ void erase(IplImage* raw) { IplImage* src = cvCloneImage(raw); /*Binarization and inverse the black and white because the function next only find white area while the word in image is black.*/ cvThreshold(src, src, 120, 255, CV_THRESH_BINARY_INV); // create some space to save the white areas but we access it via variable 'cont' CvMemStorage* stor = cvCreateMemStorage(0); CvSeq* cont; cvFindContours(src, stor, &cont, sizeof(CvContour), CV_RETR_EXTERNAL); // find the white regions for (; cont; cont = cont->h_next) // Traversal { if (fabs(cvContourArea(cont)) < 15) // if its Area smaller than 15, we fill it with white[cvScalar(255)] cvDrawContours(raw, cont, cvScalar(255), cvScalar(255), 0, CV_FILLED, 8); } cvReleaseImage(&src); } int main() { IplImage* src = cvLoadImage("D:/test.png"); cvNamedWindow("原图", 1); cvShowImage("原图", src); IplImage* gray = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); IplImage* canny = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); IplImage* dst = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); IplImage* binary = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1); cvCvtColor(src, gray, CV_RGB2GRAY); cvThreshold(gray, binary, 120, 255, CV_THRESH_OTSU); findLines(gray, dst); cvNamedWindow("dst", 1); cvShowImage("dst", dst); for (int row = 0; row < binary->height; row++) for (int col = 0; col < binary->width; col++) { if (cvGet2D(dst, row, col).val[0] == 255) { int up = 0, down = 0; int white = 0; for (int i = row; i >= 0; i--) { if (cvGet2D(binary, i, col).val[0] == 0) { up++; white = 0; } else white++; if(white > 2) break; } white = 0; for (int i = row; i < binary->height; i++) { if (cvGet2D(binary, i, col).val[0] == 0) { down++; white = 0; } else white++; if (white > 2) break; } if (up + down < 8) { for (int i = -up; i <= down; i++) cvSet2D(binary, row + i, col, cvScalar(255)); } } } cvNamedWindow("结果", 1); cvShowImage("结果", binary); erase(binary); //cvDilate(binary, binary, NULL, 1); cvErode(binary, binary, NULL, 1); cvNamedWindow("膨胀腐蚀", 1); cvShowImage("膨胀腐蚀", binary); cvSaveImage("D:/result.png", binary); cvReleaseImage(&src); cvReleaseImage(&canny); cvReleaseImage(&gray); cvReleaseImage(&dst); cvReleaseImage(&binary); cvWaitKey(0); return 0; }
这个方法很简单的,就是在找到直线(直线宽度为1)后,沿着直线从左到右对二值化图进行上下扫描,如果这个直线的宽度(黑色的宽度)小于8个像素,则认为它只是直线,而不是文字的一部分,那么将它填成白色;反之,对于直线是文字的一部分这种情况,则不对它进行任何操作。
这样得到的结果如下图2.1所示
当然这个结果有点差强人意,如果你有更好的想法,请在下面留言,我们交流交流。
以上这篇使用openCV去除文字中乱入的线条实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持猪先飞。
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下...2021-09-04
iOS设置UIButton文字显示位置和字体大小、颜色的方法
这篇文章给大家分享了iOS如何设置UIButton的文字显示位置和字体的大小、颜色,文中给出了示例代码,相信对大家的学习和理解很有帮助,有需要的朋友们下面来一起看看吧。...2020-06-30- 图片剪裁是常用的方法,那么如何通过4坐标剪裁图片,本文就详细的来介绍一下,感兴趣的小伙伴们可以参考一下...2021-06-04
- 这篇文章主要介绍了基于JavaScript实现文字超出部分隐藏 的相关资料,需要的朋友可以参考下...2016-03-01
- 这篇文章主要介绍了OpenCV如何去除图片中的阴影的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-29
- 这篇文章主要介绍了解决使用OpenCV中的imread()内存报错问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了C#文字换行的实现方法,通过自定义函数实现针对特定字符串的换行长度处理,是比较实用的技巧,对于C#的深入学习具有一定的借鉴价值,需要的朋友可以参考下...2020-06-25
- 这篇文章主要介绍了python OpenCV的相关资料,帮助大家更好的理解和学习使用python的opencv,感兴趣的朋友可以了解下...2021-03-31
- 这篇文章主要介绍了使用OpenCV去除面积较小的连通域,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05
详解pycharm的python包opencv(cv2)无代码提示问题的解决
这篇文章主要介绍了详解pycharm的python包opencv(cv2)无代码提示问题的解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-01-29在C#中使用OpenCV(使用OpenCVSharp)的实现
这篇文章主要介绍了在C#中使用OpenCV(使用OpenCVSharp)的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-11-15- 这篇文章主要给大家介绍了关于C#利用GDI+给图片添加文字(文字自适应矩形区域)的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面来一起看看吧。...2020-06-25
- 这篇文章主要为大家详细介绍了C++ opencv实现车道线识别,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-02-20
- 这篇文章主要为大家详细介绍了Opencv LBPH人脸识别算法的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
详解opencv中画圆circle函数和椭圆ellipse函数
这篇文章主要介绍了opencv中画圆circle函数和椭圆ellipse函数,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下...2020-05-09python中的opencv和PIL(pillow)转化操作
这篇文章主要介绍了python中的opencv和PIL(pillow)转化操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16- 这篇文章主要介绍了python基于opencv检测程序运行效率,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-05-09
浅谈OpenCV中的新函数connectedComponentsWithStats用法
这篇文章主要介绍了浅谈OpenCV中的新函数connectedComponentsWithStats用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05- 这篇文章主要为大家详细介绍了Opencv实现绿幕视频背景替换功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
- 这篇文章主要介绍了python基于OpenCV模板匹配识别图片中的数字,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-03-31