【OpenCV】一种基于阈值的图片中的文字分割

在今年泰迪杯A题电商中图片的文字识别这道题中，我们先用了一种很笨的办法来分割字符。
首先对图片进行灰度化，然后二值化，这里的二值化要选择一个合适的阈值。然后我们进行轮廓的提取，计算轮廓最小矩形的面积，若面积过大，则认为这个是背景图片，若面积过小，则认为是噪点。这种方法有一个弊端，就是文字有大有小，大的文字也有可能会被当成背景，小的标点也可能会被当成噪点。

代码如下：
实现了读入一张图片，进行灰度化，二值化，分割字符，输出字符.jpg到指定位置，以及输出字符最小矩形的坐标。

 const string imagename = "1.jpg";    //此处需要填写绝对地址，我测试时使用相对地址出错。
    //读入图像
    Mat img = imread(imagename);
    //如果读入图像失败
    if (img.empty())
    {
        return -1;
    }

    int Hmin = 0, Hmax = 156;
    int AreaMin = 15, AreaMax = 135;
    int Area = 200;
    //创建窗口 
    cv::namedWindow("thresh");
    cv::createTrackbar("Hmin", "thresh", &Hmin, 255, NULL); cv::createTrackbar("Hmax", "thresh", &Hmax, 255, NULL);
    cv::createTrackbar("AreaMin", "thresh", &AreaMin, 200, NULL)；
     cv::createTrackbar("AreaMax", "thresh", &AreaMax, 200, NULL);
    cv::createTrackbar("Area", "thresh", &Area, 4000, NULL);
    for (;;){
        int _Hmin = Hmin, _Hmax = Hmax;
        int _AreaMin = AreaMin, _AreaMax = AreaMax;
        Mat HSV, thresh, GRAY,gray,src;
        //vector<Mat> channels;
        cvtColor(img, GRAY, CV_BGR2GRAY);
        //cvtColor(img, HSV, CV_BGR2HSV);
        //CV_BGR2GRAY转为灰度  CV_BGR2HSV转为HSV  CV_BGR2YUV转为YUV CV_BGR2YCrCb转为YCrCb
        //split(HSV, channels);
        // channels[2]=0;
        inRange(GRAY,
            cv::Scalar(MIN(_Hmin, _Hmax), MIN(0, 255), MIN(0, 255)),
            cv::Scalar(MAX(_Hmin, _Hmax), MAX(0, 255), MAX(0, 255)),     //scalar 中 （b，g，r，0) 即bgr 而非 rgb
            thresh);//color   
        gray = GRAY;
        thresh = 255 - thresh;
        //cvShowImage("ThresholdImg", GRAY);

        dilate(thresh, thresh, NULL, cv::Point(-1, -1), 30);
        erode(thresh, thresh, NULL, cv::Point(-1, -1), 30);

        cv::imshow("thres", thresh);
        cv::waitKey(1);
        vector<cv::vector<cv::Point> > contours;
        vector<cv::Vec4i> hierarchy;
        // 找出图像中的最大轮廓
        findContours(thresh, contours, hierarchy, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE, cv::Point(0, 0));
        // 定义一个 Rect 矢量来存放轮廓。因为轮廓的外形多数时候是不规则的。所以用一个矩形来代替 不规则的轮廓会在各种方面都方便很多。
        //printf("轮廓个数：%d", contours.size());
        cv::vector<cv::vector<cv::Point> > contours_poly(contours.size());
        cv::vector<cv::Rect> boundRect(contours.size());

        cv::vector<cv::Point2f>center(contours.size());
        cv::vector<float>radius(contours.size());
        int maxArea = 0;
        int index = 0;
        int minArea = 50;
        int ci = 0;
        for (unsigned int i = 0; i<contours.size(); i++)
            // 用一个 for 循环语句查看计算机找到的全部轮廓
        {
            int area = contourArea(contours[i]);// 计算当前轮廓的包含面积
            if (area> maxArea) // 找出包含面积最大的轮廓
            {
                maxArea = area;
                index = i;
            }

            if (area<_AreaMax&&area>_AreaMin)
            {
                ci++;
                approxPolyDP(cv::Mat(contours[i]), contours_poly[i], 3, true);
                // approxPolyDP() 用来找出轮廓的近似多边形。用于简化轮廓的复杂度,加速计算过程。

                boundRect[i] = cv::boundingRect(cv::Mat(contours_poly[i]));
                //BoundingRect() 是一个用来找出轮廓最小包围矩形函数。
                //最小包围矩形的意思就是用 4 条边从 上下左右四个方向把轮廓紧紧夹在中间。这 4 条边构成的矩形就是最小包围矩形。

                //drawContours(img, contours, i, CV_RGB(255, 255, 255), 1, 8, hierarchy, 0, cv::Point()); // 画出物体的轮廓

                rectangle(GRAY, boundRect[i].tl(), boundRect[i].br(), CV_RGB(255, 0, 0), 2, 8, 0); // 画出物体的最小包围矩形
                // 矩形的自然就是 boundRect() 算出的轮廓。
                //printf("左上角x坐标：%d左上角y坐标：%d ", boundRect[i].tl().x, boundRect[i].tl().y);
                //printf("右下角x坐标：%d右下角y坐标：%d ", boundRect[i].br().x,boundRect[i].br().y);
                printf("PA%dPA %d %d %d %d
",i,boundRect[i].tl().x, boundRect[i].br().y, boundRect[i].br().x, boundRect[i].tl().y);
                //printf("左下角x坐标：%d左下角y坐标：%d 右上角x坐标：%d右上角y坐标：%d ", boundRect[i].tl().x, boundRect[i].br().y, boundRect[i].br().x, boundRect[i].tl().y);
                Mat imgROI = img(Rect(boundRect[i].tl().x, boundRect[i].tl().y, std::abs(boundRect[i].br().x - boundRect[i].tl().x), std::abs(boundRect[i].br().y - boundRect[i].tl().y)));
                CString _file;
                _file.Format("./test/%d.jpg", i+1);
                std::string path = _file;
                imwrite(path, imgROI);
            }

        }

        //printf("字数：%d", ci);
        //imshow("HSV", HSV);

        imshow("GRAY", GRAY);
        //创建窗口
        //显示图像
    //  namedWindow("SRC", 1);
        imshow("img", img);
        CString _file;
        _file.Format("gray.jpg");
        std::string path = _file;
        imwrite(path, GRAY);
    //  imshow("it", thresh);
        //等待按键，按键盘任意键返回
        waitKey(0);
    }