python 超简单的字符分割算法(车牌识别、仪表识别等)_python字符分割识别
最后
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
背景
在诸如车牌识别，数字仪表识别等问题中，最关键的就是将单个的字符分割开来再分别进行识别，如下图。最近刚好用到，就自己写了一个简单地算法进行字符分割，来记录一下。
图像预处理
彩图二值化以减小参数量，再进行腐蚀膨胀去除噪点。
image = cv2.imread('F://demo.jpg', 0) # 读取为灰度图
_, image = cv2.threshold(image, 50, 255, cv2.THRESH_BINARY) # 二值化
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) # 腐蚀膨胀核
kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 腐蚀膨胀核
image = cv2.erode(image, kernel=kernel1) # 腐蚀
image = cv2.dilate(image, kernel=kernel2) # 膨胀
确定字符区域
考虑最理想的情况，图中的字符是端正没有倾斜歪曲的。将像素灰度矩阵分别进行列相加、行相加，则在得到的列和、行和数组中第一个非 0 元素索引到最后一个非 0 元素索引包裹的区间即就是字符区域。
h, w = image.shape # 原图的高和宽
list1 = [] # 列和
list2 = [] # 行和
for i in range(w):
list1.append(1 if image[:, i].sum() != 0 else 0) # 列求和,不为0置1
for i in range(h):
list2.append(1 if image[i, :].sum() != 0 else 0) # 行求和,不为0置1
# 裁剪字符区域
# 求行的范围
flag = 0
for i, e in enumerate(list1):
if e != 0:
if flag == 0: # 第一个不为0的位置记录
start_w = i
flag = 1
else: # 最后一个不为0的位置
end_w = i
# 求列的范围
flag = 0
for i, e in enumerate(list2):
if e != 0:
if flag == 0: # 第一个不为0的位置记录
start_h = i
flag = 1
else: # 最后一个不为0的位置
end_h = i
print(start_w, end_w) # 行索引范围
print(start_h, end_h) # 列索引范围
分割单个字符
与分割全部字符区域同理，在行和数组中非 0 元素索引的范围即是单个字符的区域。
l = ([i for i, e in enumerate(list1) if e != 0]) # 列和列表中不为0的索引
img_list = [] # 分割数字图片存储列表
temp = [] # 存储某一个数字的所有行索引值
n = 0 # 数字图片数量
for x in l:
temp.append(x)
if x+1 not in l: # 索引不连续的情况
if len(temp) != 1:
start_w = min(temp) # 索引最小值
end_w = max(temp) # 索引最大值
img_list.append(image[start_h:end_h, start_w:end_w]) # 对该索引包括数字切片
n += 1
temp = []
print(n) # 字符数
完整源码
import cv2
start_h, end_h, start_w, end_w = 0, 0, 0, 0 # 字符区域的高和宽起止
image = cv2.imread('F://001\_1.jpg', 0) # 直接读取为灰度图
cv2.imshow('img\_GRAY', image)
_, image = cv2.threshold(image, 50, 255, cv2.THRESH_BINARY) # 二值化
cv2.imshow('img\_BINARY', image)
# 去噪点
kernel1 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7)) # 简单腐蚀膨胀核
kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 简单腐蚀膨胀核
image = cv2.erode(image, kernel=kernel1) # 腐蚀
image = cv2.dilate(image, kernel=kernel2) # 膨胀
cv2.imshow('img\_denoise', image)
h, w = image.shape # 原图的高和宽
# print(h, w)
list1 = [] # 列和
list2 = [] # 行和
for i in range(w):
list1.append(1 if image[:, i].sum() != 0 else 0) # 列求和,不为0置1
for i in range(h):
list2.append(1 if image[i, :].sum() != 0 else 0) # 行求和,不为0置1
# print(len(list1))
# print(len(list2))
# 裁剪字符区域
# 求行的范围
flag = 0
for i, e in enumerate(list1):
if e != 0:
if flag == 0: # 第一个不为0的位置记录
start_w = i
flag = 1
else: # 最后一个不为0的位置
end_w = i
# 求列的范围
flag = 0
for i, e in enumerate(list2):
if e != 0:
**一、Python所有方向的学习路线**
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
**二、Python必备开发工具**
工具都帮大家整理好了，安装就可直接上手！
**三、最新Python学习笔记**
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
**四、Python视频合集**
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
**五、实战案例**
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
**六、面试宝典**
###### **简历模板**
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化学习资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618317507)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
3
0- 0
已为社区贡献7条内容
所有评论(0)