通常情况下，当我们想要从图像中提取文本时，大家可能会想到 Google Translate，它可以上传图片或用手机摄像头拍照，然后就能得到翻译结果或想要的文本。然而，今天我们将带您了解其背后的工作原理，但在这篇文章中仍然只是一个小的切入点，距离 Google Translate 的工作机制还有一定的距离。
好的，那我们就开始吧。在这篇文章中，我们将讨论图像处理（Image Processing）和 OpenCV 的技术，这些大家可能已经有些耳熟能详。我们将利用这些技术将图像中的字符分离成单个字符的小图像，然后将每个字符保存为单独的图像文件，这是进行光学字符识别（OCR，Optical Character Recognition）工作的重要基础。
那么我来补充一下 OCR 的相关说明：光学字符识别（Optical Character Recognition，简称 OCR）是一个机械或电子过程，用于将手写或打印文本的图像转换为计算机可编辑的文本。图像捕捉可以通过扫描仪、数码相机等设备完成。OCR 是识别模式、人工智能和计算机视觉领域的一个研究方向。
首先，我们需要安装库
pip install imutils
这是一个用于OpenCV的Python扩展库，提供了一些便利功能，例如：
轮廓排序、图像缩放（resize）、自动旋转图像、角度/坐标转换。这将是我们此次工作的主要库。
步骤 1 下载图像并转换为灰度图
import cv2
from imutils import contours
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
我们将从加载包含文字的图像开始，并将其从彩色图像转换为黑白图像，以便于后续处理。
步骤 2 使用 Otsu 的阈值分离背景与文字
thresh = cv2.threshold( gray, 0, 255,
cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV
)[1]
接下来，我们将使用 Otsu 的阈值方法来自动确定中间值，以便将背景与字符分开。我们将其设置为反转 (THRESH_BINARY_INV)，以使字符为白色，背景为黑色。
步骤 3 寻找字符的边界并从左到右排列
cnts = cv2.findContours(
thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts, _ = contours.sort_contours(cnts, method="left-to-right")
我们将使用 cv2.findContours() 来找到每个字符的边界，然后使用 imutils 库中的 sort_contours() 函数将它们从左到右进行排序，这适合从左到右阅读的英语。
步骤4：逐个字符裁剪ROI并保存图像
ROI_number = 0
for c in cnts:
area = cv2.contourArea(c)
if area > 10:
x,y,w,h = cv2.boundingRect(c)
ROI = image[y:y+h, x:x+w]
cv2.imwrite('ROI_{}.png'.format(ROI_number), ROI)
cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
ROI_number += 1
在每个轮廓中循环检查区域是否大于10，以过滤噪声
裁剪出包围字符的边界框
将每个图像保存为文件 ROI_0.png, ROI_1.png, …
同时使用 cv2.rectangle() 绘制绿色框，以显示结果，查看程序是否正确检测
步骤5：显示结果
cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.waitKey()
然后等待用户按下按钮以关闭窗口
更多示例
我们将尝试使用其他图像来测试这篇关于使用Python和OpenCV进行图像中的文本分离和保存的文章是否可以在实际中使用
步骤 1 加载图像并转换为灰度图
import cv2
from imutils import contours
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
我们将从加载包含文字的图像开始，并将其从彩色图像转换为黑白图像，以便后续处理更加简便。
步骤 2 使用 Otsu 的阈值来分离背景与字符
thresh = cv2.threshold(
gray, 0, 255,
cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV
)[1]
接下来，我们将使用 Otsu 的阈值方法来自动确定中间值，以便将背景与字符分离。我们将执行反转操作 (THRESH_BINARY_INV)，使字符呈现为白色，背景呈现为黑色。
步骤 3 寻找字符的边界并从左到右排列
cnts = cv2.findContours(
thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE
)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts, _ = contours.sort_contours(cnts, method="left-to-right")
我们将使用 cv2.findContours() 来找到每个字符的轮廓，然后使用 imutils 库中的 sort_contours() 函数将其从左到右排序，这适合从左到右阅读的英语。
步骤 4 按字母逐个裁剪 ROI 并保存图像
ROI_number = 0
for c in cnts:
area = cv2.contourArea(c)
if area > 10:
x,y,w,h = cv2.boundingRect(c)
ROI = image[y:y+h, x:x+w]
cv2.imwrite('ROI_{}.png'.format(ROI_number), ROI)
cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
ROI_number += 1
在每个轮廓中循环检查面积是否大于10，以过滤噪声
裁剪出包围字符的边界框
将每个图像保存为文件 ROI_0.png, ROI_1.png, …
同时使用 cv2.rectangle() 绘制绿色框以显示结果，以查看程序是否正确检测到
步骤 5 显示结果
cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.waitKey()
显示阈值图像和带有文本框的实际图像
然后等待用户按下按钮以关闭窗口
所有代码
import cv2
from imutils import contours
# 加载图像，转换为灰度图，使用大津法阈值
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU + cv2.THRESH_BINARY_INV)[1]
# 查找轮廓，从左到右排序，然后裁剪
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cnts, _ = contours.sort_contours(cnts, method="left-to-right")
# 使用轮廓面积进行过滤并提取感兴趣区域（ROI）
ROI_number = 0
for c in cnts:
area = cv2.contourArea(c)
if area > 10:
x,y,w,h = cv2.boundingRect(c)
ROI = image[y:y+h, x:x+w]
cv2.imwrite('ROI_{}.png'.format(ROI_number), ROI)
cv2.rectangle(image, (x, y), (x + w, y + h), (36,255,12), 2)
ROI_number += 1
cv2.imshow('thresh', thresh)
cv2.imshow('image', image)
cv2.waitKey()
总结
在本文中，我们展示了如何使用图像处理（Image Processing）和OpenCV从图像中分离并保存字符。通过附加的示例，我们将学习如何使用OpenCV将图像转换为可用格式。
通过使用阈值和轮廓从图像中分离字符，并将字符图像裁剪并保存为子文件。该技术可以作为准备OCR系统数据的初步步骤，或者作为独立工具从图像中提取文本，也可以在后续工作中进一步扩展。
参考文献
https://stackoverflow.com/questions/60515216/extracting-and-saving-characters-from-an-image
