如何使用Python实现书籍段落识别与单段图片保存？

核心工具库 #

• OpenCV：是这类图像分割任务的首选，擅长图像预处理、轮廓检测与区域定位，能高效识别页面中的段落块。
• Pillow(PIL)：搭配OpenCV使用，负责最终的图像裁剪、格式转换与保存操作，接口简单易上手。
• EasyOCR：可选辅助工具，能识别图片中的文本位置，帮助你更精准地区分正文段落和旁注区域。

具体实现步骤 #

1. 图像预处理

   • 将彩色图转为灰度图：cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   • 二值化处理，强化文字与背景的对比：cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
   • 用膨胀操作合并同段落的文字行，便于检测完整段落块：cv2.dilate(thresh, cv2.getStructuringElement(cv2.MORPH_RECT, (5,5)), iterations=2)

2. 定位段落区域

   • 用cv2.findContours提取图像中的轮廓，通过轮廓的宽度、高度阈值筛选（比如旁注宽度远小于正文，可直接过滤）。
   • 用cv2.boundingRect获取每个有效轮廓的外接矩形坐标，得到段落的位置范围。

3. 裁剪并保存段落

   • 根据坐标从原图中裁剪出单个段落区域，可使用OpenCV的切片或Pillow的crop()方法。
   • 逐个保存为独立图片：cv2.imwrite(f"paragraph_{index}.jpg", cropped_img)

关键注意事项 #

• 旁注过滤：通过设置轮廓的最小宽度阈值，轻松排除页面侧边的窄幅旁注区域。
• 参数调整：如果段落间距不明显，可修改形态学操作的核大小和迭代次数，让段落块的边界更清晰。

内容的提问来源于stack exchange，提问作者fANNyCOttero