我正在尝试使用Python和OpenCV构建手写识别系统。字符的识别不是问题,但分割是一个难点。我已经成功地:
- 将单词分割成单个字符
- 按照所需顺序将单个句子分割为单词。
但我无法将文档中的不同行分割开来。我尝试了对轮廓进行排序(以避免进行行分割并仅使用单词分割),但它没有起作用。我使用了以下代码来分割手写文档中包含的单词,但它以左到右的排序方式返回单词:
import cv2
import numpy as np
#import image
image = cv2.imread('input.jpg')
#cv2.imshow('orig',image)
#cv2.waitKey(0)
#grayscale
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
cv2.imshow('gray',gray)
cv2.waitKey(0)
#binary
ret,thresh = cv2.threshold(gray,127,255,cv2.THRESH_BINARY_INV)
cv2.imshow('second',thresh)
cv2.waitKey(0)
#dilation
kernel = np.ones((5,5), np.uint8)
img_dilation = cv2.dilate(thresh, kernel, iterations=1)
cv2.imshow('dilated',img_dilation)
cv2.waitKey(0)
#find contours
im2,ctrs, hier = cv2.findContours(img_dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#sort contours
sorted_ctrs = sorted(ctrs, key=lambda ctr: cv2.boundingRect(ctr)[0])
for i, ctr in enumerate(sorted_ctrs):
# Get bounding box
x, y, w, h = cv2.boundingRect(ctr)
# Getting ROI
roi = image[y:y+h, x:x+w]
# show ROI
cv2.imshow('segment no:'+str(i),roi)
cv2.rectangle(image,(x,y),( x + w, y + h ),(90,0,255),2)
cv2.waitKey(0)
cv2.imshow('marked areas',image)
cv2.waitKey(0)
请注意,我能够分割所有单词,但它们的顺序是错乱的。有没有办法按照从上到下的顺序对这些轮廓进行排序?
或者
将图像分割成单独的行,以便可以使用上面的代码将每行分割为单词?