Opencv2.4学习：：垂直投影法分割字符

1、垂直投影法

假定输入图片中字符为白色，背景为黑色

即为将图片看作是由【x1,x2,x3,x4.......】列向量组成的矩阵。统计每列中白色像素的个数，并以此来判断是字符区还是背景。

测试图片： 

 

 

  车牌号为模拟产生，如有相同，纯属雷同 

 

2、代码实现：（主要分3部分）

#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/core/core.hpp>
#include<iostream>
#include <stdio.h>
using namespace std;
using namespace cv;

Mat vertical_projection(Mat input_src) //输入二值化图片
{
	/**************统计原图片中每列白色像素数目******************************/
	blur(input_src, input_src, Size(3, 3));//模糊，去锯齿
	int src_width = input_src.cols;
	int src_height = input_src.rows;
	int* projectValArry = new int[src_width]();//创建用于储存每列白色像素个数的数组
	//memset(projectValArry, 0, src_width*4);//初始化数组
	//取列白色像素个数
	for (int i = 0; i < src_height; i++){
		for (int j = 0; j < src_width; j++){
			if (input_src.at<uchar>(i, j)){
				projectValArry[j]++;
			}
		}
	}
	/**************将每列白色像素数目绘制成直方图***************************/
	//定义画布 绘制垂直投影下每列白色像素的数目
	Mat verticalProjectionMat(src_height, src_width, CV_8UC1, Scalar(0));
	for (int i = 0; i< src_width; i++){
		for (int j = 0; j < projectValArry[i]; j++){
			verticalProjectionMat.at<uchar>(src_height-j-1,i) = 255;
		}
	}
	imshow("verticalProjectionMat", verticalProjectionMat);

	/*********根据每列白色像素数目设置截取起始和截止列***********************/
	//定义Mat vector ，存储图片组
	vector<Mat> split_src;
	//定义标志，用来指示在白色像素区还是在全黑区域
	bool white_block = 0, black_block = 0;
	//定义列temp_col_forword  temp_col_behind，记录字符截取起始列和截止列
	int temp_col_forword=0,temp_col_behind = 0;
	Mat split_temp;
	//遍历数组projectValArry
	for (int i = 0; i < src_width; i++){
		if (projectValArry[i]){//表示区域有白色像素
			white_block = 1;
			black_block = 0;
		}
		else{				//若无白色像素（进入黑色区域）
			if (white_block == 1){//若前一列有白色像素
				temp_col_behind = i;//取当前列为截止列
				//截取下一部分
				//input_src(Rect(temp_col_forword, 0, temp_col_behind - temp_col_forword, src_height)).copyTo(split_temp);
                //2019-4-25 更新： 使用.copyTo()会出现丢字符的情况，建议使用.clone()
                //感谢网友“a路小雨”测试提出宝贵意见
                split_temp=input_src(Rect(temp_col_forword, 0, temp_col_behind - temp_col_forword, src_height)).clone();
				split_src.push_back(split_temp);
			}
			temp_col_forword = i;//记录最新黑色区域的列号，记为起始列
			black_block = 1;//表示进入黑色区域
			white_block = 0;
		}
	}
	for (int i = 0; i < split_src.size(); i++){
		char window[20];
		sprintf(window, " split: %d", i);
		imshow(window, split_src[i]);
	}
	waitKey(0);
	return input_src;
}

int main()
{
		Mat srcImage = imread("F:\\opencv_re_learn\\车牌.jpg");
		if (!srcImage.data){
			cout << "failed to read" << endl;
			system("pause");
			return -1;
		}
		Mat srcGray;
		cvtColor(srcImage, srcGray, CV_BGR2GRAY);
		Mat bin_src;
		threshold(srcGray, bin_src, 100, 255, CV_THRESH_OTSU); //otsu二值化图像
		imshow("bin_src", bin_src);
		vertical_projection(bin_src);
		waitKey(0);
		return 0;
}

实现效果：

---

#2019-4-25 Update：

图片截取代码部分BUG修正：

原代码

                //截取下一部分
                //input_src(Rect(temp_col_forword, 0, temp_col_behind - temp_col_forword, src_height)).copyTo(split_temp);

修正后

                //2019-4-25 更新： 使用.copyTo()会出现丢字符的情况，建议使用.clone()
                //感谢网友“a路小雨”测试提出宝贵意见
                split_temp=input_src(Rect(temp_col_forword, 0, temp_col_behind - temp_col_forword, src_height)).clone();

修改前的效果（身份证号码字符分割）：

修改后的效果：

---