合并 MSER 中的区域以识别 OCR 中的文本行

Posted 2023-04-17

【中文标题】合并 MSER 中的区域以识别 OCR 中的文本行

【英文标题】：Merging regions in MSER for identifying text lines in OCR

【发布时间】：2018-07-14 22:01:16

【问题描述】：

我正在使用 MSER 来识别 MSER 中的文本区域。我正在使用以下代码来提取区域并将它们保存为图像。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)) 

如何将属于单行的图像拼接在一起？我得到的逻辑将主要基于一些用于识别具有附近 y 坐标的区域的启发式方法。

但是如何在 OpenCV 中准确地合并区域。我错过了这一点，因为我是 openCV 的新手。任何帮助将不胜感激。

附加示例图像

所需的输出如下

另一行

另一行

【问题讨论】：

你的预期输出是什么？

计算二值图像中每一行的白色像素数，以及在白色分布中发现尖峰的段。

检查this

@AmrithKrishna 您能否说明为什么选择腐蚀/膨胀的答案作为接受的答案？

@GaneshTata- 非常感谢您的回答。首先，由于斑点的高度不同，中值高度通常不起作用。不同长度的斑点主要是由于语言特定的属性（如连字、标记等）而出现的。现在接受答案的想法与这些无关。通过稍作调整的膨胀和腐蚀，我得到了预期的结果。假设这两种方法或多或少地实现了相同的结果，按照奥卡姆剃刀的说法，应该首选更简单的方法。因此优先考虑当前接受的答案。

【参考方案1】：

如果您特别喜欢使用 MSER，那么正如您所提到的，可以使用将区域与附近 y 坐标相结合的启发式方法。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，高度变化很大，即使在一行中也是如此。因此，为了在一行中聚集边界 bbox，我们必须提出一个区间。我想不出万无一失的东西，所以我选择了 给定 bbox 的所有高度的中值的一半，这对于给定的情况很有效。 p>

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，为了对边界框进行分组，给定 y 坐标的特定间隔（这里是中值高度），我正在修改我曾经在 *** 上找到的一个 sn-p（我将添加源一次找到它 ）。此函数接受一个列表以及一个特定的区间作为输入，并返回一个组列表，其中每个组包含边界框，其 y 坐标的绝对差小于或等于该区间。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)

最终生成的图像 -

再次，我想重申一个事实，即他们可能是进一步优化这种方法的方法。目的是让您了解如何解决此类问题。

【参考方案2】：

也许甚至像扩张腐蚀这样原始的东西也可以在你的情况下工作？例如，如果我在原始图像上使用erode 操作，然后使用dilate 操作，并且主要是在水平方向上，例如。 g.：

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

结果是这样的：

因此，如果我们将其绘制在原始图像上，它将变为：

我没有像您那样调整原始图像的大小（可能是为了检测那些单独的小点和东西）。不理想（我不知道 MSER 是如何工作的），但是通过足够的调整，也许您甚至可以使用此连接组件的简单检测？