本文介绍了使用Python和OpenCV处理竖版古籍文字分割的方法，包括横向和纵向投影，以及轮廓检测。针对古籍文字特点，通过调整投影顺序和二次切割，有效解决字体大小不一导致的识别问题，最后通过限制字间距和宽度避免过度分割，实现较好的分割效果。
在做图片文字分割的时候，常用的方法有两种。一种是投影法，适用于排版工整，字间距行间距比较宽裕的图像；还有一种是用OpenCV的轮廓检测，适用于文字不规则排列的图像。
1. 思路
一开始想偷个懒，直接用OpenCV的模型，结果发现效果不佳。文字出现了过度分割的问题，部分文字甚至没有被识别：
于是只好使用传统方法，投影法。对文字图片作横向和纵向投影，即通过统计出每一行像素个数，和每一列像素个数，来分割文字。代码参考https://www.cnblogs.com/zxy-joy/p/10687152.html，但是对于古籍来说，需要做一些修改。比如，古籍文字书写在习惯是从上到下的，所以说在扫描的时候应该扫描列投影，在扫描行投影，搞定这次简单的操作顺序修改以后，分割结果如下：
很显然，虽然说没有出现过度分割的问题，但是由于字体有大有小，有的地方两个字被合起来识别成了一个字。那么很显然，只要把这些地方再进行一次列投影，把它们再度拆分成两个字，问题不就
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
