阈值化时与背景合并

Posted 2023-02-22

【中文标题】阈值化时与背景合并

【英文标题】：Merging with background while thresholding

【发布时间】：2014-02-06 08:40:35

【问题描述】：

我正在做一个关于车牌识别系统的项目。 但是我在分割车牌字符时遇到了问题。 我尝试了具有不同窗口大小的 cvAdaptiveThreshold()， otsu 和 niblacks 算法。

但在大多数情况下，车牌字符与 背景。 下面给出的示例图像和输出，

在第一张图片中，所有车牌字符都由底部的白线连接，因此使用阈值算法我无法提取字符，如何从这些图像中提取字符...？？

在第二张图片中，背景中的噪声与前景合并，将所有字符连接在一起。如何在这些类型的图像中分割字符..？？

是否有任何分割算法可以分割第二张图像中的字符..？

【问题讨论】：

“与背景合并”是什么意思？您无法对其进行细分？

是的，无法分段。

当你说“无法分割”时，大津分割结果（上图，右栏，蓝色标题背景）有什么问题？对我来说看起来很细分......

因为所有的字符都由底部的一条白线组合在一起，所以这些字符被分割为一个轮廓。

您可能想在尝试分割图像之前尝试模糊图像。这在一定程度上消除了噪音的结果。

【参考方案1】：

预处理：在图像上找到大的黑色区域并将其标记为背景。 例如，使用阈值执行此操作。另一种方法可能是使用findContours（contourArea 来获取结果的大小）。 这样您就知道在第 1 步之后可以将哪些区域涂成黑色。

使用 OTSU（顶部图像，右列，蓝色标题背景）。

将所有你知道的东西涂成黑色背景。 使用打开/关闭或侵蚀/扩张（不确定哪个效果更好）来消除细线并优化结果 或者，您可以进行边缘检测并合并所有“靠近在一起”的区域，例如示例中的第二个 3。您可以通过轮廓边界框之间的距离来检查区域是否靠近。

ps：我不认为你应该模糊你的图像，因为它看起来已经很小了。

【讨论】：

打开/关闭、腐蚀/扩张操作有时会合并相邻的字符或将单个字符分成两个不同的部分..