实现思路
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。
示例代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
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) + ".png" )
img = Image. open ( 'out/51.png' )
saveSmall(img, 'cfs/' , cfs(img))
|
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对服务器之家的支持。
参考这篇文章: http://www.zzvips.com/article/142742.html
原文链接:http://www.waitingfy.com/archives/3919