我所做的是使用霍夫变换来查找线条并将图像分成几部分以使我更容易。但是我尝试了一套算法来从图像中提取凹陷的字母，我走到了死胡同..
我尝试过的是形态学运算、边缘检测和轮廓查找的混合。 那么是否有任何算法设计来做这样的事情或任何提示将不胜感激。
【问题讨论】：
您可以对输入图像进行上采样，应用一些平滑处理，并找到 Otsu 阈值，然后使用不同的窗口大小 use this threshold to find Canny edges。
对于较大的窗口 (5 x 5)，您会得到一个包含几乎所有您需要的边缘以及噪声的嘈杂图像。
对于较小的窗口 (3 x 3)，您会得到噪点较少的图像，但缺少一些边缘。
如果这张噪声较小的图像不够好，您可以尝试使用噪声图像作为掩码对其进行形态重建。在这里，我使用形态学命中-未命中变换链接了噪声图像中的一些对角线边缘段，然后应用了重建。
使用
Mat k = (Mat_<int>(3, 3) <<
0, 0, 1,
0, -1, 0,
1, 0, 0);
用于连接断边的内核，您会得到更细的轮廓。
请注意，在下面的c++ 代码中，我使用了简单的重构。
Mat im = imread("rsSUY.png", 0);
/* up sample and smooth */
pyrUp(im, im);
GaussianBlur(im, im, Size(5, 5), 5);
/* find the Otsu threshold */
Mat bw1, bw2;
double th = threshold(im, bw1, 0, 255, THRESH_BINARY | THRESH_OTSU);
/* use the found Otsu threshold for Canny */
Canny(im, bw1, th, th/2, 5, true); /* this result would be noisy */
Canny(im, bw2, th, th/2, 3, true); /* this result would be less noisy */
/* link broken edges in more noisy image using hit-miss transform */
Mat k = (Mat_<int>(3, 3) <<
0, 0, 1,
0, -1, 0,
0, 0, 0);
Mat hitmiss;
morphologyEx(bw1, hitmiss, MORPH_HITMISS, k);
bw1 |= hitmiss;
/* apply morphological reconstruction to less noisy image using the modified noisy image */
Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
double prevMu = 0;
Mat recons = bw2.clone();
for (int i = 0; i < 200; i++)
{
dilate(recons, recons, kernel);
recons &= bw1;
Scalar mu = mean(recons);
if (abs(mu.val[0] - prevMu) < 0.001)
{
break;
}
prevMu = mu.val[0];
}
imshow("less noisy", bw2);
imshow("reconstructed", recons);
waitKey();
【讨论】：
【讨论】：