使用传统算法进行文本检测，opencv-python，cv2.findcounter

最新推荐文章于 2024-10-12 17:44:22 发布

LiuZhuangCC

最新推荐文章于 2024-10-12 17:44:22 发布

阅读量2.3k

点赞数 1

分类专栏： opencv 文章标签：文本检测

本文链接：https://blog.csdn.net/weixin_33278772/article/details/100015212

版权

本文介绍了如何使用OpenCV的Python接口(cv2)进行文本检测，重点在于应用传统算法，通过cv2.findContours函数实现。内容可能包括步骤解析和示例代码，旨在帮助读者掌握文本检测技术。

摘要由CSDN通过智能技术生成

# coding:utf8
import sys

import cv2
import numpy as np
import matplotlib.pyplot as plt


def preprocess(gray):
    # 1. Sobel算子，x方向求梯度
    sobel = cv2.Sobel(gray, cv2.CV_8U, 1, 0, ksize=3)
    # 2. 二值化
    ret, binary = cv2.threshold(sobel, 0, 255, cv2.THRESH_OTSU + cv2.THRESH_BINARY)

    # 3. 膨胀和腐蚀操作的核函数
    element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 9))
    element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (24, 6))

    # 4. 膨胀一次，让轮廓突出
    dilation = cv2.dilate(binary, element2, iterations=1)

    # 5. 腐蚀一次，去掉细节，如表格线等。注意这里去掉的是竖直的线
    erosion = cv2.erode(dilation, element1, iterations=1)

    # 6. 再次膨胀，让轮廓明显一些
    dilation2 = cv2.dilate(erosion, element2, iterations=2)

    # 7. 存储中间图片
    cv2.imwrite("binary.png", binary)
    cv2.imwrite("dilation.png", dilation)
    cv2.imwrite("erosion.png", erosion)
    cv2.imwrite("dilation2.pn