为openCV和Python中的形态学操作创建冒号作为内核/结构化分隔符

Question

我需要处理许多图片以进行图像处理。

基本上，我想在图像中找到:-character的位置。检查完图像后，我发现这是所有图像唯一的共同点。由于所有图像都是从视频流中拍摄的，因此在视频流中的所有数字都会/可以在某些时候改变。

查看openCV和此openCV的文档，我写了以下内容：

post

将产生以下输出：

import cv2
import numpy as np


def skeletonize(img):
   size = np.size(img)
   skel = np.zeros(img.shape,np.uint8)

   ret,img = cv2.threshold(img,127,255,0)
   element = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
   done = False

   while( not done):
      eroded = cv2.erode(img,element)
      temp = cv2.dilate(eroded,element)
      temp = cv2.subtract(img,temp)
      skel = cv2.bitwise_or(skel,temp)
      img = eroded.copy()

      zeros = size - cv2.countNonZero(img)
      if zeros==size:
         done = True

    return skel

接下来，我写我基于结肠的结构化部分：

如何测量结构化部分中两个

img = cv2.imread('chi_int.JPG')
skel = skeletonize(img)
kernel = np.array([[0,0,0],
                   [0,0,0],
                   [0,1,0],
                   [0,0,0],
                   [0,0,0],
                   [0,1,0],
                   [0,0,0],
                   [0,0,0]], dtype=np.uint8)
erosion = cv2.erode(skel,kernel,iterations = 1

之间需要用zeros填充的行数？通过使用ones函数，如果我的结构化分隔符具有正确的大小，则应该有1 pixel。我该如何解决我的脚本？非常感谢帮助！

skeletonize

注意：我不想使用Tesseract OCR，因为它太慢了

Answer 1

除非找到字体大小，否则除非找到字体，否则没有任何神奇的方法来知道冒号大小。因此，您将不得不尝试所有可能的选择。但是它似乎不是有效和可靠的。我建议以下内容。

1. 在阈值确定后立即通过查找连接的组件。
2. 仅保留小而圆形的（小findContours，小contourArea）。
3. 计算他们的中心。
4. 搜索在x方向上具有较小距离而在y方向上具有合理距离的对。通过按x坐标对点数组进行排序，可以非常有效地完成此操作。