投影法多用于图像的阈值分割。闲话不多说,现用Python实现。
上代码。
import cv2 import numpy img = cv2.imread('D:/0.jpg', cv2.COLOR_BGR2GRAY) height, width = img.shape[:2] #resized = cv2.resize(img, (3*width,3*height), interpolation=cv2.INTER_CUBIC) #二值化 (_, thresh) = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY) #cv2.imshow('thresh', thresh) #扩大黑色面积,使效果更明显 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (10, 10))#形态学处理,定义矩形结构 closed = cv2.erode(thresh, None, iterations = 5) cv2.imshow('erode',closed) height, width = closed.shape[:2] v = [0]*width z = [0]*height a = 0 #垂直投影 #统计并存储每一列的黑点数 for x in range(0, width): for y in range(0, height): if closed[y,x][0] == 0: a = a + 1 else : continue v[x] = a a = 0 l = len(v) #print l #print width #创建空白图片,绘制垂直投影图 emptyImage = numpy.zeros((height, width, 3), numpy.uint8) for x in range(0,width): for y in range(0, v[x]): b = (255,255,255) emptyImage[y,x] = b cv2.imshow('chuizhi', emptyImage) #水平投影 #统计每一行的黑点数 a = 0 emptyImage1 = numpy.zeros((height, width, 3), numpy.uint8) for y in range(0, height): for x in range(0, width): if closed[y,x][0] == 0: a = a + 1 else : continue z[y] = a a = 0 l = len(z) #print l #print height #绘制水平投影图 for y in range(0,height): for x in range(0, z[y]): b = (255,255,255) emptyImage1[y,x] = b cv2.imshow('shuipin', emptyImage1) cv2.waitKey(0)
原图
垂直投影图
水平投影图
由这两图可以确定我们所需的分割点,从而可以进行下一步的文本分割。这将在下一篇博客中实现。
以上这篇Python实现投影法分割图像示例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持小牛知识库。
本文向大家介绍Python实现投影法分割图像示例(二),包括了Python实现投影法分割图像示例(二)的使用技巧和注意事项,需要的朋友参考一下 在上篇博客中,我们已经实现了水平投影和垂直投影图的绘制。接下来,我们可以根据获得的投影数据进行图像的分割,该法用于文本分割较多,所以此处依然以上次的图为例。 先把上次的两幅图搬过来,方便讲解。 上面两图分别从垂直和水平方向描述了图像中文本的分布。我们想象一
我已经使用Google Maps API V3创建了一个自定义地图。这是一幅虚构世界的矩形地图,而不是真实世界中的任何东西。 我一直在读关于如何在自定义谷歌地图中使用投影的文章。我需要使用投影,因为使用投影放置标记和区域,它们不会水平重复。总之,我从教程中提取了以下代码: 我已经把它应用到我的地图上,它似乎起作用了。然而,我正在试图弄清楚如何改变投影的比例。当我放置这样的标记时: 标记被放置在地图
本文向大家介绍python分割列表(list)的方法示例,包括了python分割列表(list)的方法示例的使用技巧和注意事项,需要的朋友参考一下 前言 在日常开发中,有些API接口会限制请求的元素个数,这时就需要把一个大列表分割为固定的小列表,再进行相关处理,本文搜集了几个简单的方法,分享出来供大家参考学习,下面来看看详细的介绍: 方法示例 总结 以上就是这篇文章的全部内容了,希望本文的内容对大
本文向大家介绍Python OpenCV处理图像之图像直方图和反向投影,包括了Python OpenCV处理图像之图像直方图和反向投影的使用技巧和注意事项,需要的朋友参考一下 本文实例为大家分享了Python OpenCV图像直方图和反向投影的具体代码,供大家参考,具体内容如下 当我们想比较两张图片相似度的时候,可以使用这一节提到的技术 直方图对比 反向投影 关于这两种技术的原理可以参考我上面贴的
在我的Android应用程序,我需要变形的图像从一个点到另一个点。看起来应该是那样的 原点A和B是A的新位置 我尝试使用“drawBitmapMesh”函数使其成为可能,但没有达到,以下是包装代码: 公共空隙扭曲(浮动起点TX、浮动起点、浮动终点X、浮动终点Y){
我需要在MATLAB中实现一个基于连通分量算法原理的图像分割函数,但需要做一些修改。这是为了非常简单的2D图像,有一个背景颜色和一些不同颜色的对象。 其思想是,将图像作为一个矩阵,我提供了一个选择背景颜色的工具(它将对每个图像变化)。然后,当图像的背景颜色的值被选中时,我要对图像中的所有对象进行分割,结果应该是一个带标签的矩阵,图像大小相同,背景为0,每个对象有不同的数字。 这是我的意思的一个生动