上一次通過投影的方式進(jìn)行了文本塊分割，但這種方法有很大的局限性，要求分行清晰、不能有字符跨多行、不能傾斜，而且對(duì)噪聲比較敏感。還是拿上一回的圖片，但是我在上面加了一個(gè)比較大的字，得出的結(jié)果就有問題了：

可以看到，由于右下角大大的“測(cè)”字跨了多行，導(dǎo)致水平投影分行時(shí)就出錯(cuò)了。

本次換一種方法，基于連通性分析來做。簡(jiǎn)單講，就是把圖像做一定的膨脹操作，使得同一個(gè)字符的不同部分以及相鄰字符相互重疊到一起，變成一個(gè)整體，然后再通過分析找到每一個(gè)獨(dú)立的塊，排除掉噪聲，剩下的基本就是符合條件的結(jié)果了。

直接上代碼，后面再分析：

using?System;

using?System.Collections.Generic;

using?System.IO;

using?System.Text;

using?OpenCvSharp;

using?OpenCvSharp.Extensions;

using?OpenCvSharp.Utilities;

namespace?OpenCvTest

{

class?Program

{

static?void?Main(string[]?args)

{

//讀入源文件

var?src?=?IplImage.FromFile("source.jpg");

//轉(zhuǎn)換到灰度圖

var?gray?=?Cv.CreateImage(src.Size,?BitDepth.U8,?1);

Cv.CvtColor(src,?gray,?ColorConversion.BgrToGray);

//做一下膨脹，x與y方向都做，但系數(shù)不同

var?kernal?=?Cv.CreateStructuringElementEx(5,?2,?1,?1,?ElementShape.Rect);

Cv.Erode(gray,?gray,?kernal,?2);

//二值化

Cv.Threshold(gray,?gray,?0,?255,?ThresholdType.BinaryInv?|?ThresholdType.Otsu);

//檢測(cè)連通域，每一個(gè)連通域以一系列的點(diǎn)表示，FindContours方法只能得到第一個(gè)域

var?storage?=?Cv.CreateMemStorage();

CvSeq?contour?=?null;

Cv.FindContours(gray,?storage,?out?contour,?CvContour.SizeOf,?ContourRetrieval.CComp,?ContourChain.ApproxSimple);

var?color?=?new?CvScalar(0,?0,?255);

//開始遍歷

while?(contour?!=?null)

{

//得到這個(gè)連通區(qū)域的外接矩形

var?rect?=?Cv.BoundingRect(contour);

//如果高度不足，或者長(zhǎng)寬比太小，認(rèn)為是無效數(shù)據(jù)，否則把矩形畫到原圖上

if(rect.Height?>?10?&&?(rect.Width?*?1.0?/?rect.Height)?>?0.2)

Cv.DrawRect(src,?rect,?color);

//取下一個(gè)連通域

contour?=?contour.HNext;

}

Cv.ReleaseMemStorage(storage);

//顯示

Cv.ShowImage("Result",?src);

Cv.WaitKey();

Cv.DestroyAllWindows();

}

}

}

下面來一步一步分析。讀入的原圖是這樣的：

轉(zhuǎn)換到灰度圖并膨脹處理后，已經(jīng)可以大致看出同一文本塊的多個(gè)字符已經(jīng)連到一起了：

二值化后的圖像：

做連通性分析后，原始分析出的結(jié)果是這樣的：

Cv.DrawContours(src,?contour,?color,?color,?1);

對(duì)每個(gè)連通域取外接矩形，得到的最終結(jié)果是這樣的：

可以看到效果比之前好了很多，比較大的字可以作為獨(dú)立的文本塊被檢測(cè)出來了。另外即使是同一行的文本塊，也會(huì)有輕微的上下浮動(dòng)，不再是絕對(duì)按行對(duì)齊了。

未經(jīng)許可嚴(yán)禁轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的基于连通域字符分割的流程_基于OpenCV及连通域分析进行文本块分割的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。