字符分割

     ANN在训练和识别时都只能将一个单独的数字作为样本，因此对于扫描图像中的多个连续数字需要进行分割。具体算法如下：

      1，确定图像中字符的大致高度范围：先自下而上对图像进行逐行扫描，直到遇到第一个黑素像素，记下行号，然后自上而下对图像进行逐行扫描，直到遇到第一个黑素像素，记下行号。这两个行号就标志出了字符大致的高度范围。

       2，确定每个字符的左起始和右终止位置：在第一步得到的高度范围内进行自左向右逐列扫描，遇到第一个黑色像素时，认为是字符分割的起始位，然后继续扫描，直到遇到有一列中没有黑色像素，认为是这个字符的右终止位置，准备开始进行下一个字符的分割。按照上述方法继续扫描，直到扫描到图像的最右端。这样就得到了每个字符的比较精确的快读范围。

      3，在已知的每个字符比较精确的宽度范围内，再按照第一步的方法，分别自下而上和自上而下，逐行扫描，来获取每个字符精确的高度范围。

      完整实现代码如下：

/****************************************************************参数：  对前景目标（如字符）进行划分，将各个字符的轮廓矩形返回注  ：  只能处理二值图像返回值：无***************************************************************/void Ctry::ObjectSegment(){// TODO:  在此添加命令处理程序代码IplImage* img = cvLoadImage("C:\\Users\\Administrator\\Desktop\\dst.jpg", -1);vector<RECT> vecRoughRECT;    //粗略对象轮廓的矩形向量数组vector<RECT> vecRECT;                 //精化后对象轮廓的矩形向量数组//清空用来表示每个对象的vectorvecRoughRECT.clear();vecRECT.clear();int nTop, nBttom;   //整体前景区域的上下边界int nObjCnt = 0;      //对象数目   //从上向下扫描，找到整体区域的前景的上边界for (int i = 0; i < img->height; i++){for (int j = 0; j < img->width; j++){double pixel = cvGetReal2D(img, i, j);if (int(pixel)==0){nTop = i;i = img->height;   //对i赋大值，使得在break跳出内存循环后，直接在跳出外层循环break;}}}//从下向上扫描，找到整体区域的前景的下边界for (int i = img->height -1; i >=0; i--){for (int j = 0; j < img->width; j++){double pixel = cvGetReal2D(img, i, j);if (int(pixel) == 0){nBttom = i;i = -1;   //对i赋小值，使得在break跳出内存循环后，直接在跳出外层循环break;}}}bool bStartSeg = false;      //是否已经开始某一个对象的分割bool bBlackInCol;             //某一列中是否包含黑色像素RECT rt;//按列扫描，找到每一个目标的左右边界for (int j = 0; j < img->width; j++){bBlackInCol = false;for (int i = 0; i < img->height; i++){double pixel = cvGetReal2D(img, i, j);if (int(pixel) == 0){bBlackInCol = true;     //该列中发现黑点if (!bStartSeg)  //还没有进入一个对象的分割{bStartSeg = true;//进入一个对象的分割rt.left = j;}elsebreak;}}if (j == (img->width - 1))   //扫描到最后一列了，说明整个图像扫描完毕{break;}//正处在分割状态，且扫描完一列都没有发现黑像素，表明当前对象分割完毕if (bStartSeg && !bBlackInCol){rt.right = j;     //对象右边界确定//对象的粗略上下边界（有待精化）rt.top = nTop;rt.bottom = nBttom;::InflateRect(&rt, 1, 1);  //矩形框膨胀一个像素，以免绘制时压到字符vecRoughRECT.push_back(rt);   //插入vectorbStartSeg = false;   //当前分割结束nObjCnt++;   //对象数目加1}}RECT rtNEW;     //存放精化对象区域的矩形框//由于得到了精确的左右边界，现在可以精化矩形框的上下边界int nSize = vecRoughRECT.size();for (int nObj = 0; nObj < nSize; nObj++){rt = vecRoughRECT[nObj];rtNEW.left = rt.left - 1;rtNEW.right = rt.right + 1;//从上向下逐行扫描边界for (int i = rt.top; i < rt.bottom; i++){for (int j = rt.left; j < rt.right; j++){double pixel = cvGetReal2D(img, i, j);if (int(pixel) == 0){rtNEW.top = i - 1;//对i赋大值，使得在break跳出内存循环后，直接在跳出外层循环i = rt.bottom;break;}}}//从下向上逐行扫描边界for (int i = rt.bottom - 1; i > rt.top; i--){for (int j = rt.left; j < rt.right; j++){double pixel = cvGetReal2D(img, i, j);if (int(pixel) == 0){rtNEW.bottom = i + 1;//对i赋小值，使得在break跳出内存循环后，直接在跳出外层循环i = rt.top-1;break;}}}vecRECT.push_back(rtNEW);}//画矩形框，显示分割字符for (int i = 0; i < vecRECT.size(); i++){int x = vecRECT[i].left-1;int y = vecRECT[i].top-1;int x1 = vecRECT[i].right+1;int y1 = vecRECT[i].bottom + 1;CvPoint pt1(x, y);CvPoint pt2(x1, y1);cvRectangle(img, pt1, pt2, CV_RGB(255, 0, 0), 1);}cvSaveImage("C:\\Users\\Administrator\\Desktop\\rect.jpg", img);cvNamedWindow("image1", 1);cvShowImage("image1", img);cvWaitKey(0);cvDestroyWindow("image1");cvReleaseImage(&img);}

效果图：

注：此算法对图像的进行处理前，需要对图形进行预处理，尤其是去噪，这里代码没有给出。图片质量不好，或预处理方法不对，效果也就不理想。