如何从图像中仅提取字符？

我有这种类型的图像，我只想从中提取字符。

二值化后，我得到这个图像

img = cv2.imread('the_image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_MEAN_C, cv2.THRESH_BINARY, 11, 9)

然后找到该图像上的轮廓。

(im2, cnts, _) = cv2.findContours(thresh.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
for contour in cnts[:2000]:
    x, y, w, h = cv2.boundingRect(contour)
    aspect_ratio = h/w
    area = cv2.contourArea(contour)
    cv2.drawContours(img, [contour], -1, (0, 255, 0), 2) 

我正进入（状态

我需要一种方法来过滤轮廓，以便它只选择字符。所以我可以找到边界框并提取 roi。

我可以找到轮廓并根据区域的大小对其进行过滤，但源图像的分辨率不一致。这些图像是从移动相机拍摄的。

此外，由于盒子的边界已断开。我无法准确地检测到这些盒子。

Edit:

如果我取消选择长宽比小于 0.4 的框。然后它会在一定程度上发挥作用。但我不知道它是否适用于不同分辨率的图像。

for contour in cnts[:2000]:
    x, y, w, h = cv2.boundingRect(contour)
    aspect_ratio = h/w
    area = cv2.contourArea(contour)

    if aspect_ratio < 0.4:
        continue
    print(aspect_ratio)
    cv2.drawContours(img, [contour], -1, (0, 255, 0), 2)

没那么难...

import cv2

img = cv2.imread('img.jpg')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)

ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
cv2.imshow('thresh', thresh)

im2, ctrs, hier = cv2.findContours(thresh.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
sorted_ctrs = sorted(ctrs, key=lambda ctr: cv2.boundingRect(ctr)[0])

for i, ctr in enumerate(sorted_ctrs):
    x, y, w, h = cv2.boundingRect(ctr)

    roi = img[y:y + h, x:x + w]

    area = w*h

    if 250 < area < 900:
        rect = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
        cv2.imshow('rect', rect)

cv2.waitKey(0)

Result

您可以根据需要调整代码（这里可以使用原始图像保存 ROI；为了最终进行 OCR 识别，您必须将它们保存为二进制格式 - 可以使用比按区域排序更好的方法）

Source: 使用 Python 和 OpenCV 从图像中提取 ROI http://cvisiondemy.com/extract-roi-from-image-with-python-and-opencv/以及我的一些知识。

开玩笑，看看我的问题/答案。