基于skimage实现字符水平、垂直定向形态学膨胀的正确方法
定向形态学操作结果偏差原因与修正
核心错误点
- 操作类型完全错配:需求明确要求执行形态学膨胀,代码中实际调用了
erosion(腐蚀)算子。腐蚀会缩小前景区域的连通范围,和膨胀“扩张连通区域”的逻辑完全相反,是结果不符合预期的核心原因。 - 二值图前景标记反向:常规字符图像为白底黑字,执行Otsu阈值分割时,
image > thresh会把高灰度值的白色背景标记为True(形态学操作的默认前景),低灰度值的黑色字符笔画标记为False(操作背景),后续形态学操作会作用在白色背景上,而非字符本身,进一步放大结果偏差。 - 结构元参数与操作匹配逻辑需要对齐:
- 要得到横向笔画特征,需使用纵向结构元(尺寸为多行、1列,如
np.ones((20,1)))沿垂直方向执行膨胀:纵向的结构元会把上下相邻的同色像素连通,最终将水平走向的笔画拉成连续的横向块状区域,屏蔽掉纵向笔画的零散细节。 - 要得到纵向笔画特征,需使用横向结构元(尺寸为1行、多列,如
np.ones((1,20)))沿水平方向执行膨胀:横向的结构元会把左右相邻的同色像素连通,最终将垂直走向的笔画拉成连续的纵向块状区域,屏蔽掉横向笔画的零散细节。
- 要得到横向笔画特征,需使用纵向结构元(尺寸为多行、1列,如
修正后可运行代码
from skimage.morphology import dilation from skimage.io import imshow, imread, show import numpy as np from skimage.filters import threshold_otsu # 读取灰度图 image = imread('img/A_en.png', as_gray=True) # 二值化:调整判断方向,将黑色字符标记为前景(True),适配白底黑字的常规输入 thresh = threshold_otsu(image) binary = image < thresh # 定义定向结构元,尺寸可根据字符实际像素大小调整 sev = np.ones((20, 1)) # 纵向结构元,用于垂直方向膨胀提取横向笔画 seh = np.ones((1, 20)) # 横向结构元,用于水平方向膨胀提取纵向笔画 # 执行对应方向的膨胀操作 vertical_result = dilation(binary, sev) horizontal_result = dilation(binary, seh) # 可视化结果 imshow(vertical_result) show() imshow(horizontal_result) show()
调参提示
结构元的行列尺寸可根据输入图像的实际分辨率调整:如果字符尺寸偏小,过大的结构元会导致不同笔画被过度连通,可适当缩小20这个参数值,直到匹配字符的笔画间距即可。
内容的提问来源于stack exchange,提问作者ussrback
相关产品推荐
相关产品推荐

