使用 Python 删除字母图像中的残留物

Question

我有一组图像，代表从单词图像中提取的字母。在某些图像中，有相邻字母的残留物，我想消除它们，但我不知道如何。

部分样本

我正在使用 openCV，我尝试了两种方法并且 none 有效。

使用 findContours:

def is_contour_bad(c):
    return len(c) < 50

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
edged = cv2.Canny(gray, 50, 100)

contours = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
contours = contours[0] if imutils.is_cv2() else contours[1]

mask = np.ones(image.shape[:2], dtype="uint8") * 255

for c in contours:
    # if the c  ontour is bad, draw it on the mask
    if is_contour_bad(c):
        cv2.drawContours(mask, [c], -1, 0, -1)

# remove the contours from the image and show the resulting images
image = cv2.bitwise_and(image, image, mask=mask)
cv2.imshow("After", image)
cv2.waitKey(0)

我觉得不行，因为图像在边缘cv2.drawContours不能正确计算面积，没有消除内点

与 connectedComponentsWithStats:

cv2.imshow("Image", img)
cv2.waitKey(0)
nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(img)
sizes = stats[1:, -1];
nb_components = nb_components - 1

min_size = 150

img2 = np.zeros((output.shape))
for i in range(0, nb_components):
    if sizes[i] >= min_size:
        img2[output == i + 1] = 255

cv2.imshow("After", img2)
cv2.waitKey(0)

在这种情况下，我不知道为什么侧面的小元素不能将它们识别为连通分量

嗯..我将不胜感激任何帮助！

Answer 1

我会尝试以下方法：

沿列求和，以便每个图像都投影到矢量中
假设 white=0 和 black=1，找到该向量中第一个索引值 = 0。
从步骤 2 中删除索引值左侧的图像列。
反转步骤 1 中求和的向量
在第四步的反向向量中找到第一个=0 的索引值。
从步骤 5 中删除反向索引值右侧的图像列。

这对于白色 = 0 和黑色 = 1 的二值图像非常有效，但如果不是，有几种方法可以解决这个问题，包括图像阈值处理或设置容差级别（例如，对于步骤 2。在向量中找到第一个索引值那 > 宽容...)

Answer 2

在问题的开头，您提到 字母是从单词图像中提取的 。

所以我认为，您可以正确地完成提取。那么你就不会遇到这样的问题。我可以给你一个解决方案，适用于从原始图像中提取字母或从你提供的图像中提取和分离字母。

解法：

您可以使用 convex hull 坐标来分隔这样的字符。

代码:

import cv2
import numpy as np

img = cv2.imread('test.png', 0)
cv2.bitwise_not(img,img)
img2 = img.copy()

ret, threshed_img = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)
image, contours, hier = cv2.findContours(threshed_img, cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)

#--- Black image to be used to draw individual convex hull ---
black = np.zeros_like(img)
contours = sorted(contours, key=lambda ctr: cv2.boundingRect(ctr)[0])

for cnt in contours:
    hull = cv2.convexHull(cnt)

    img3 = img.copy()
    black2 = black.copy()

    #--- Here is where I am filling the contour after finding the convex hull ---
    cv2.drawContours(black2, [hull], -1, (255, 255, 255), -1)
    r, t2 = cv2.threshold(black2, 127, 255, cv2.THRESH_BINARY)
    masked = cv2.bitwise_and(img2, img2, mask = t2)
    cv2.imshow("masked.jpg", masked)
    cv2.waitKey(0)

cv2.destroyAllWindows()

输出：

因此，正如我所建议的，更好的做法是在从原始图像中提取字符时使用此解决方案，而不是在提取后去除噪声。

使用 Python 删除字母图像中的残留物

Remove remains in a letter image with Python

python

opencv

image-processing

outliers

cv2