Question

我正在使用MSER识别MSER中的文本区域。我使用以下代码提取区域并将其保存为图像。目前，每个识别的区域都保存为单独的图像。但是，我想合并属于合并为单个图像的文本行的区域。

import cv2

img = cv2.imread('newF.png')
mser = cv2.MSER_create()


img = cv2.resize(img, (img.shape[1]*2, img.shape[0]*2))

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
vis = img.copy()

regions = mser.detectRegions(gray)
hulls = [cv2.convexHull(p.reshape(-1, 1, 2)) for p in regions[0]]
cv2.polylines(vis, hulls, 1, (0,255,0))

如何将属于一行的图像拼接在一起？我得到的逻辑主要是基于一些启发式识别具有附近y坐标的区域。

但是如何在OpenCV中合并这些区域。因为我是openCV的新手，所以我错过了这个。任何帮助将不胜感激。

附加样本图像

所需的输出如下

另一条线

Answer 1

如果您特别关注使用MSER，那么，正如您所提到的，可以使用用于组合具有附近y坐标的区域的启发式算法。以下方法可能效率不高，我会尝试优化它，但它可能会让您了解如何解决问题。

首先，让我们绘制由MSER确定的所有bbox：

coordinates, bboxes = mser.detectRegions(gray)
for bbox in bboxes:
    x, y, w, h = bbox
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

这给了我们 -

现在，从bbox中可以明显看出，即使在单行中，高度也会发生很大变化。因此，为了在一行中聚类边界bbox，我们必须提出一个间隔。我无法想出一些万无一失的东西，所以我选择 给定bbox的所有高度的中位数的一半 ，这对于给定的情况很有效。

bboxes_list = list()
heights = list()
for bbox in bboxes:
    x, y, w, h = bbox
    bboxes_list.append([x, y, x + w, y + h])  # Create list of bounding boxes, with each bbox containing the left-top and right-bottom coordinates
    heights.append(h)
heights = sorted(heights)  # Sort heights
median_height = heights[len(heights) / 2] / 2  # Find half of the median height

现在，为了给边界框分组，给定y坐标的特定间隔（这里，中间高度），我正在修改我曾经在stackoverflow上找到的片段（我将添加源一次我找到了）。此函数将列表与特定间隔作为输入，并返回组列表，其中每个组包含边界框，其y坐标的绝对差异小于或等于间隔。请注意，iterable / list需要根据y坐标进行排序。
```
def grouper(iterable, interval=2):
    prev = None
    group = []
    for item in iterable:
        if not prev or abs(item[1] - prev[1]) <= interval:
            group.append(item)
        else:
            yield group
            group = [item]
        prev = item
    if group:
        yield group
```

因此，在对边界框进行分组之前，需要根据y坐标对它们进行排序。分组后，我们遍历每个组，并确定绘制覆盖给定组中所有边界框的边界框所需的最小x坐标，最小y坐标，最大x坐标和最大y坐标。

bboxes_list = sorted(bbox_mod, key=lambda k: k[1])  # Sort the bounding boxes based on y1 coordinate ( y of the left-top coordinate )
combined_bboxes = grouper(bboxes_list, median_height)  # Group the bounding boxes
for group in combined_bboxes:
    x_min = min(group, key=lambda k: k[0])[0]  # Find min of x1
    x_max = max(group, key=lambda k: k[2])[2]  # Find max of x2
    y_min = min(group, key=lambda k: k[1])[1]  # Find min of y1
    y_max = max(group, key=lambda k: k[3])[3]  # Find max of y2
    cv2.rectangle(img, (x_min, y_min), (x_max, y_max), (0, 255, 0), 2)

最终结果图像 -

同样，我想重新讨论这样一个事实：他们可能会进一步优化这种方法。目标是让您了解如何解决这些问题。

Answer 2

也许甚至像扩张腐蚀这样原始的东西可以在你的情况下起作用？例如，如果我在原始图像上使用erode操作，然后执行dilate操作，并且主要是在水平方向，e。 G：

img = cv2.erode(img, np.ones((1, 20)))
img = cv2.dilate(img, np.ones((1, 22)))

结果如下：

因此，如果我们在原始图像上绘制它，它就会变成：

我没有像你那样调整原始图像的大小（可能是为了检测那些小的独立点和东西）。不理想（我不知道MSER是如何工作的），但是如果有足够的调整，你甚至可以使用简单的连接组件检测吗？

合并MSER中的区域以识别OCR中的文本行

2 个答案: