PIL利用投影分割图片数字（二）

#-*- coding: UTF-8 -*-     
import cv2
import numpy as np 
from matplotlib import pyplot as plt 
from PIL import Image,ImageDraw
import numpy as np
def first():
    """
    根据图片确定A4之的边缘，并裁切出A4纸部分
    
    """
    np.set_printoptions(threshold=np.inf)
    img=cv2.imread('test.jpg')
    gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)
    contours, hierarchy = cv2.findContours(binary,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    print (len(contours))
    for i in range(0,len(contours)):
        x, y, w, h = cv2.boundingRect(contours[i])
        #cv2.rectangle(img, (x,y), (x+w,y+h), (153,153,0), 5)
    #cv2.imshow("img", img)
    #cv2.waitKey(0)
    #cv2.destroyWindow("img")
    newimage=img[y+5:y+h-5,x+40:x+w-30]
    cv2.imwrite( "output.jpg",newimage)

def shuiping(image_data):
    """首先传递参数，读取的灰度图片；
    随后，将图片二值化；接着进行水平投影；
    利用水平投影的最后位置，确认出切割图片的坐标。
    """
    image=image_data
    limit = 130
    table = []

    #二值化，阈值200以下全部变为为0，其余变为255
    for i in range(256):
        if i < limit:
            table.append(0)
        else:
            table.append(1)
    image= image.point(table, '1')
    #image.show()
    
    image= np.array(image)
    (h,w)=image.shape 
    a = [0 for z in range(0, h)]

    #水平投影，数组里的数字对应水平位置黑色区域像素点长度
    num =0 
    for j in range(0,h):  
        for i in range(0,w):
            if  image[j,i]==0:
                num+=1
                a[j]+=1 
                image[j,i]=255
    for j  in range(0,h):  
        for i in range(0,a[j]):   
            image[j,i]=0

    image=Image.fromarray(image)
    image.show()

    #水平投影最后会有结束点，结束点最后一个位置是黑色的，
    #对应数组不为0，白色位置对应数组位置全部为0
    x1=0
    y1=0
    y2=0
    x2=image.width
    list_pic=[]
    for i in range(len(a)):
        if a[i-1]==0 or a[i]!=0:
            y2+=1
        elif a[i-1]!=0 and a[i]==0:
            y2+=1
            list_pic.append([x1,y1,x2,y1+y2])
            y1=y1+y2
            y2=0 




    num=1
    pic_data=[]
    for i in list_pic:
        croping = image_data.crop(i)
        croping.save( "shuiping/"+str(num) + '.jpg')
        num+=1
        pic_data.append(croping)
            
    
    print("分割完成，已保存！")
    return pic_data

def chuizhi(image_data):
    """首先传递参数，读取的灰度图片；
    随后，将图片二值化；接着进行垂直投影；
    利用垂直投影的间断特点，确认出切割图片的坐标。
    """
    num=1
    count=1
    for pic in image_data:
        image=pic
        limit = 200
        table = []

        #二值化，阈值200以下全部变为为0，其余变为255
        for i in range(256):
            if i < limit:
                table.append(0)
            else:
                table.append(1)
        image= image.point(table, '1')
        image= np.array(image)
        
        (h,w)=image.shape
        print (h,w)

        #垂直投影，数组里的数字对应垂直位置黑色区域像素点长度
        b = [0 for z in range(0, w)] 
        for i in range(0,w):
            for j in range(0,h):
                if  image[j,i]==0:
                    b[i]+=1 
                    image[j,i]=255
        for i  in range(0,w):  
            for j in range(0,b[i]):   
                image[j,i]=0
        image=Image.fromarray(image)
        #image.show()
        x1=0
        x2=0
        y1=h
        y2=0
        list=[]

        #垂直投影最后会有结束点，结束点最后一个位置是黑色的，
        #对应数组不为0，白色位置对应数组位置全部为0
        for i in range(len(b)):
            if b[i-1]==0 or b[i]!=0:
                y2+=1
            elif b[i-1]!=0 and b[i]==0:
                y2+=1
                list.append([x1,x2,(x1+y2),y1-1])
                x1=x1+y2
                y2=0 
        
        for i in list:
            croping = pic.crop(i)
            croping.save( "chuizhi/"+str(num) + '.jpg')
            num+=1

        for i in list:
            draw=ImageDraw.Draw(pic)
            draw.rectangle(i)
          

        #pic.show()
        pic.save("rec"+ str(count)+".jpg")
        count+=1

    print("分割完成，已保存！")


def main():
    #first()
    img_path="test1.jpg"
    image_data=(Image.open(img_path).convert('L'))
    #image_data.show()
    pic=shuiping(image_data)
    chuizhi(pic)
main()

测试图片

输出结果：

说明：此图片是PS输出的照片，效果很好。手机拍摄的图片含有很多噪声，因此效果不好。