一、对于复杂背景中的文本提取
我测试用的简单的单行文本，如果非文本区多对二值化影响大，首先进行提取文本行，再对提取的文本行进行二值化。
实例图片：
图片中的文字区域从此视频帧中提取：
1、切取图片中的行
提取边缘信息，边缘图像进行水平投影，将每一行中的像素值相加，得到一个每行边缘信息的数组，
求数组的波谷，两个波谷直接的区间就为文本行。
求取波谷，我也没想到什么好的算法，因为数组是有波动的，只提取极小值也不对，会提取到特别多个波谷。
下一步想平滑后求极小值。
目前切行后为：
2、对文本行归一化到一定的高
按原来的宽高比对图片进行缩放，缩放到高为80个像素点（看论文里的经验值），便于文本的识别。
float ratioWH = (float)(image->width)/image->height; CvSize cv; cv.height = 80;//将文字行比例转换为高80 cv.width = 80*ratioWH; IplImage *norImage = cvCreateImage(cv,8,1); cvResize(image,norImage);
3、对归一化的文本行进行二值化
提取归一化文本行的边缘信息，因为文本现在占图像的主体，边缘点的特征跟文本的特征比较相似（对于渐变文本，边缘和
填充不一致的也没有考虑，只考虑简单的文本颜色比较单调的），根据边缘点的位置在归一化图上提取相应点的颜色特征，
在这里我又加了连通域分析，不过感觉没有什么改变。
IplImage *cannyImage = cvCreateImage(cvGetSize(norImage),8,1);
cvCanny(norImage,cannyImage,50,150);
CvMemStorage *pStor = cvCreateMemStorage(0);///创建目标轮廓存储空间;
CvSeq *pCont = NULL;///无需释放内存
cvFindContours(cannyImage, pStor, &pCont,sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE);//获取二值图像轮廓信息
cvDrawContours(cannyImage,pCont,cvScalarAll(255),cvScalarAll(255),0,CV_FILLED,8, cvPoint(0, 0));
int sum = 0;
int num = 0;
for(int i=0;i<norImage->height;i++){
for(int j=0;j<norImage->width;j++){
uchar data = *(cannyImage->imageData+i*cannyImage->widthStep+j);
if(data!=0){
uchar data2 = *(norImage->imageData+i*norImage->widthStep+j);
sum += data2;
num++;
}
}
}
//二值化
float average =(float)(sum)/num;
for(int i=0;i<norImage->height;i++){
for(int j=0;j<norImage->width;j++){
if((uchar)*(norImage->imageData+i*norImage->widthStep+j)>average){
*(norImage->imageData+i*norImage->widthStep+j) = 255;
}else{
*(norImage->imageData+i*norImage->widthStep+j) = 0;
}
}
}
二值化后图片：
背景还是有没有去掉的，根据上视频帧是曝光的原因，考虑均衡一下。
4、然后用二值化的图片再用tesseract识别。