笔划宽度变换（SWT）

Question

0

我想使用python 2.7和opencv 2.4.9检测图像的文本区域，并在其周围绘制一个矩形区域。如下面的示例图片所示。

我是图像处理的新手，因此任何实现此方法的想法将不胜感激。

带标签房间的建筑蓝图

参考资料：

Stack Overflow

Answer 1

检测图像中的文本有多种方法。

我建议在这里查看此问题，因为它也可以回答您的问题。尽管它不在python中，但是代码可以轻松地从c ++转换为python（只需查看API并将方法从c ++转换为python，就不难了。当我针对自己的独立问题尝试使用它们的代码时，我自己做的）。这里的解决方案可能不适用于您的情况，但我建议您尝试一下。

如果要执行此操作，请执行以下过程：

准备图像：如果您要编辑的所有图像都大致与您提供的图像相似，则实际设计由一系列灰色组成，文本始终为黑色。我首先将所有不是黑色（或已经是白色）的内容涂白。这样做将只留下黑色文本。

# must import if working with opencv in python
import numpy as np
import cv2

# removes pixels in image that are between the range of
# [lower_val,upper_val]
def remove_gray(img,lower_val,upper_val):
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    lower_bound = np.array([0,0,lower_val])
    upper_bound = np.array([255,255,upper_val])
    mask = cv2.inRange(gray, lower_bound, upper_bound)
    return cv2.bitwise_and(gray, gray, mask = mask)

现在，您所拥有的只是黑色文本，目标是得到那些盒子。如前所述，有多种解决方法。

笔划宽度变换（SWT）

查找文本区域的典型方法：您可以通过使用笔触宽度变换来查找文本区域，如Boris Epshtein，Eyal Ofek和Yonatan Wexler所著的“通过笔触宽度变换检测自然场景中的文本”中所述。老实说，如果这与我所相信的一样快速和可靠，那么该方法比下面的代码更有效。不过，您仍然可以使用上面的代码删除蓝图设计，这可能有助于swt算法的整体性能。

这是一个实现其算法的ac库，但据说它很原始，文档不完整。显然，将需要一个包装器才能将该库与python一起使用，目前我看不到官方提供的包装器。

我链接的库是CCV 。它是一个应在您的应用程序中使用的库，而不是重新创建算法。因此，这是要使用的一种工具，这与OP出于从“第一原则”中使之成为现实的想法不符，正如评论中所述。如果您不想自己编写算法，知道它的存在仍然很有用。

自制非SWT方法

如果您有每个图像的元数据（例如，在xml文件中），该数据指出了每个图像中标记了多少个房间，则可以访问该xml文件，获取有关图像中有多少个标签的数据，然后将其存储一些变量中的数字num_of_labels 。现在，将您的图像放入一个while循环中，该循环以您指定的设定速率腐蚀，在每个循环中找到图像的外部轮廓，并在与num_of_labels具有相同数量的外部轮廓时停止循环。然后只需找到每个轮廓的边界框即可。

# erodes image based on given kernel size (erosion = expands black areas)
def erode( img, kern_size = 3 ):
    retval, img = cv2.threshold(img, 254.0, 255.0, cv2.THRESH_BINARY) # threshold to deal with only black and white.
    kern = np.ones((kern_size,kern_size),np.uint8) # make a kernel for erosion based on given kernel size.
    eroded = cv2.erode(img, kern, 1) # erode your image to blobbify black areas
    y,x = eroded.shape # get shape of image to make a white boarder around image of 1px, to avoid problems with find contours.
    return cv2.rectangle(eroded, (0,0), (x,y), (255,255,255), 1)

# finds contours of eroded image
def prep( img, kern_size = 3 ):    
    img = erode( img, kern_size )
    retval, img = cv2.threshold(img, 200.0, 255.0, cv2.THRESH_BINARY_INV) #   invert colors for findContours
    return cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # Find Contours of Image

# given img & number of desired blobs, returns contours of blobs.
def blobbify(img, num_of_labels, kern_size = 3, dilation_rate = 10):
    prep_img, contours, hierarchy = prep( img.copy(), kern_size ) # dilate img and check current contour count.
    while len(contours) > num_of_labels:
        kern_size += dilation_rate # add dilation_rate to kern_size to increase the blob. Remember kern_size must always be odd.
        previous = (prep_img, contours, hierarchy)
        processed_img, contours, hierarchy = prep( img.copy(), kern_size ) # dilate img and check current contour count, again.
    if len(contours) < num_of_labels:
        return (processed_img, contours, hierarchy)
    else:
        return previous

# finds bounding boxes of all contours
def bounding_box(contours):
    bBox = []
    for curve in contours:
        box = cv2.boundingRect(curve)
    bBox.append(box)
    return bBox

通过上述方法得到的盒子将在标签周围留有空间，如果将盒子应用于原始图像，则这可能包括原始设计的一部分。为避免这种情况，请通过新找到的框来设置感兴趣的区域并修剪空白区域。然后将该roi的形状另存为新框。

也许您无法知道图像中将包含多少个标签。如果是这种情况，那么我建议您尝试使用腐蚀值，直到找到最适合您的情况的腐蚀值并获得所需的斑点为止。

或者，您也可以在删除设计后尝试在其余内容上找到轮廓，然后根据边界框彼此之间的距离将边界框组合成一个矩形。

找到盒子后，只需将这些盒子用于原始图像即可。

OpenCV 3中的场景文本检测模块

如您对问题的评论中所述，opencv 3中已经存在一种场景文本检测（而非文档文本检测）的方法。我知道您没有能力切换版本，但是对于那些有相同问题且不受限制的版本对于较旧的opencv版本，我决定在末尾添加它。可以通过简单的Google搜索找到有关场景文本检测的文档。

用于文本检测的opencv模块还带有实现tessaract的文本识别，这是一个免费的开源文本识别模块。 tessaract的衰落，因此opencv的场景文本识别模块的不足在于它不如商业应用程序那么完善，并且使用起来很耗时。因此降低了它的性能，但是却免费使用，因此，如果您也想要文本识别，那是我们最好的而无需花钱的方法。

链接：

老实说，我缺乏在opencv和图像处理方面的经验和专业知识，无法提供实现其文本检测模块的详细方法。与SWT算法相同。过去几个月，我才刚接触到这些东西，但是随着我学到更多，我将编辑此答案。