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: