如何在Python中通过边缘检测分割numpy数组中的字符图像

我的图像存储在numpy数组中，我希望将这些图像分割为包含单个字符的独立图像。

输入图像：

我尝试了以下代码：

import cv2

# 加载图像、灰度化、高斯模糊、大津阈值处理、膨胀操作
image = arr               # numpy_arr_containing 200X200 image
original = image.copy()
gray = image
blur = cv2.GaussianBlur(gray, (5,5), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15,15))
dilate = cv2.dilate(thresh, kernel, iterations=2)

# 查找轮廓、获取边界框坐标并提取ROI
cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
image_number = 0
for c in cnts:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 3)
    ROI = original[y:y+h, x:x+w]
    cv2.imwrite("ROI_{}.png".format(image_number), ROI)
    image_number += 1

# cv2.imshow('image', image)
# cv2.imshow('thresh', thresh)
# cv2.imshow('dilate', dilate)
# cv2.waitKey() 

你的代码核心思路可行，但当前使用的膨胀核尺寸(15,15)过大，容易导致相邻字符的轮廓被合并，无法分割出单个字符。以下是优化后的实现：

优化代码 #

import cv2
import numpy as np

# 假设arr是你的200x200 numpy数组图像
image = arr
original = image.copy()

# 兼容彩色/灰度图像的灰度化处理
if len(image.shape) == 3:
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
else:
    gray = image

# 高斯模糊+大津阈值二值化
blur = cv2.GaussianBlur(gray, (3, 3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 使用小尺寸膨胀核，避免字符轮廓合并
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
dilate = cv2.dilate(thresh, kernel, iterations=1)

# 提取外部轮廓
cnts = cv2.findContours(dilate, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]

# 按x坐标排序轮廓，保证字符顺序与原图一致
cnts = sorted(cnts, key=lambda x: cv2.boundingRect(x)[0])

image_number = 0
for c in cnts:
    x, y, w, h = cv2.boundingRect(c)
    # 过滤过小的噪点轮廓
    if w > 10 and h > 10:
        cv2.rectangle(image, (x, y), (x + w, y + h), (36, 255, 12), 2)
        ROI = original[y:y+h, x:x+w]
        cv2.imwrite(f"ROI_{image_number}.png", ROI)
        image_number += 1

# 可选：显示结果窗口
# cv2.imshow('分割结果', image)
# cv2.imshow('二值化图', thresh)
# cv2.waitKey(0)
# cv2.destroyAllWindows()

关键优化点 #

• 调整膨胀核尺寸：将大核改为(3,3)，避免相邻字符轮廓被合并。
• 轮廓排序：按x坐标排序轮廓，保证分割出的字符顺序与原图一致。
• 噪点过滤：通过判断轮廓宽高，过滤掉无关噪点，只保留有效字符区域。
• 灰度化兼容：增加对彩色图像的处理逻辑，提升代码通用性。

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