python+opencv图片分割字符

把图片中的字符分离出一张张字符图片(缺陷:字符不能重合)

# -*- coding:utf-8 -*-
import numpy as np
import cv2

def car():
    img = cv2.imread("C:\\Users\\Administrator.000\\Desktop\\a.png")
    grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY )     #转换颜色空间,转为灰度图
    #img2 = copy.copy(grayImage)
    img2 = grayImage.copy()
    cv2.threshold(grayImage,200,255,cv2.THRESH_BINARY,img2)#二值化  阈值是100,大于100为白色
    cv2.imshow("w", grayImage)
    cv2.waitKey(1000)
    cv2.imshow("w",img2)
    cv2.waitKey(1000)

    black = []#每一列黑点的数量
    white = []#每一行黑点的数量
    row = img2.shape[0]
    col = img2.shape[1]
    for i in range(col):
        blackCnt = 0
        whiteCnt = 0
        for j in range(row):
            if img2[j][i] == 0:
                blackCnt +=1
            else:
                whiteCnt +=1
        black.append(blackCnt)
        white.append(whiteCnt)

    blackMax = max(black)#黑点最大数量
    whiteMax = max(white)#白点最大数量
    #黑底
    is_black_backgroud = True if whiteMax < blackMax else False

    if (sum(black) if is_black_backgroud else sum(white)) == row * col:#都是底色,没有字符
        print('no char')

    #去除字符顶部和底部的空白
    def find_end(row,col):
        black = []
        for i in range(row):
            blackCnt = 0
            for j in range(col):
                if img2[i][j] == 0:
                    blackCnt += 1
            black.append(blackCnt)
        start_row = 0 #字符开始行
        end_row = row #字符结束行

        for i in range(row):
            # 这一行全是底色
            if (black[i] if is_black_backgroud else (col-black[i]) == col):
                continue
            else:
                start_row = i
                break
        for i in range(start_row+1,row):
            # 这一行全是底色
            if (black[i] if is_black_backgroud else (col-black[i]) == col):
                end_row = i
                break
        return start_row,end_row

    #分割字符   缺陷:字符不能重合
    def find_end2(start_col,col):
        end_col = start_col
        #找到字符开始的列
        temp = -1
        for i in range(start_col, col-1):
            if (white[i] if is_black_backgroud else black[i]) > (0.1 * (whiteMax if is_black_backgroud else blackMax)):
                temp = i
                print('start:',i)
                break
        if temp == -1:
            return start_col,end_col
        else:
            start_col = temp

        # 找到字符结束的列
        for i in range(start_col + 1, col - 1):
            # 底部的色彩 占这一列的 色彩的 95%   ---》  分割字符结束
            if (black[i] if is_black_backgroud else white[i]) > (0.9 * (blackMax if is_black_backgroud else whiteMax)):
                #下一列还有字体颜色
                if (white[i+1] if is_black_backgroud else black[i+1]) > (0.1 * (whiteMax if is_black_backgroud else blackMax)):
                    continue
                end_col = i
                print('end:',i)
                break
        return start_col,end_col

    start = 0
    end = 0
    top, botton = find_end(row, col)
    i = 0
    while i < col-1:
        start,end = find_end2(start,col)
        i = end
        if start == end:#没找到字符
            break
        if end - start > 10:
            print("ok")
            imggg = img2[top:botton,start:end]
            cv2.imshow('1',imggg)
            cv2.waitKey(2000)
        else:
            print("error")
        start = end + 1
    cv2.waitKey(999999)

if __name__ == '__main__':
    car()
  • 3
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
好的,我了解你的问题。下面是我对你的问题的回答: 车牌字符分割是指将整个车牌图像中的字符分割出来,以便后续进行字符识别。PythonOpenCV可以很好地实现车牌字符分割和识别。 下面是实现车牌字符分割的基本步骤: 1. 读取车牌图像,并将其转换为灰度图像。 2. 对灰度图像进行二值化处理,以便更好地提取字符。 3. 对二值化图像进行形态学操作,如腐蚀和膨胀,以去除噪声和连接字符。 4. 对处理后的图像进行轮廓检测,并将检测到的轮廓按照面积从大到小排序,以便更好地分割字符。 5. 根据轮廓的位置,将字符分割出来。 下面是一些参考代码: ```python import cv2 # 读取车牌图像 img = cv2.imread('car_plate.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 二值化处理 _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 形态学操作 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3)) thresh = cv2.erode(thresh, kernel, iterations=1) thresh = cv2.dilate(thresh, kernel, iterations=1) # 轮廓检测 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 将轮廓按面积从大到小排序 contours = sorted(contours, key=cv2.contourArea, reverse=True) # 分割字符 for contour in contours: x, y, w, h = cv2.boundingRect(contour) if w > 10 and h > 10: char_img = img[y:y+h, x:x+w] cv2.imshow('char', char_img) cv2.waitKey(0) ``` 以上代码仅供参考,实际应用中还需要根据具体情况进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值