标签:blog imp 最小 cut 位置 一个 max pil pre
切割前: 切割后:
代码:
#-*-coding:utf-8-*- from PIL import Image import queue def cfs(img): """传入二值化后的图片进行连通域分割""" pixdata = img.load() w, h = img.size visited = set() q = queue.Queue() offset = [(-1, -1), (0, -1), (1, -1), (-1, 0), (1, 0), (-1, 1), (0, 1), (1, 1)] cuts = [] for x in range(w): for y in range(h): x_axis = [] # y_axis = [] if pixdata[x, y] == 0 and (x, y) not in visited: q.put((x, y)) visited.add((x, y)) while not q.empty(): x_p, y_p = q.get() for x_offset, y_offset in offset: x_c, y_c = x_p + x_offset, y_p + y_offset if (x_c, y_c) in visited: continue visited.add((x_c, y_c)) try: if pixdata[x_c, y_c] == 0: q.put((x_c, y_c)) x_axis.append(x_c) # y_axis.append(y_c) except: pass if x_axis: min_x, max_x = min(x_axis), max(x_axis) if max_x - min_x > 3: # 宽度小于3的认为是噪点,根据需要修改 cuts.append((min_x, max_x + 1)) return cuts def saveSmall(img, outDir, cuts): w, h = img.size pixdata = img.load() for i, item in enumerate(cuts): box = (item[0], 0, item[1], h) img.crop(box).save(outDir + str(i) + ".bmp") img = Image.open(‘cfs/2.png‘) saveSmall(img, ‘cfs/‘, cfs(img))
思路是用深度遍历,对图片进行二值化处理,先找到一个黑色像素,然后对这个像素的周围8个像素进行判断,如果没有访问过,就保存起来,然后最后这个数组的最小x和最大x就是x轴上的切割位置。这种分割的方法还是只能适用于没有粘连的验证码,比垂直分割的好处是,可以处理位置比较奇怪的验证码。
转载:https://blog.csdn.net/fox64194167/article/details/80557242
标签:blog imp 最小 cut 位置 一个 max pil pre
原文地址:https://www.cnblogs.com/xuchunlin/p/9290878.html