基于计算机视觉库OpenCV的文本定位算法改进

摘要

在图像处理过程中，图像分割是其中十分重要的一个步骤。例如具体应用于文字识别领域时，应实现将文字从背景图像中分离的功能。但由于图像分辨率较低及图像背景比较复杂等原因，图像分割的效果往往不够理想，这也间接增加了文字识别的难度。

针对这种情况，本文引入了计算机视觉概念，详细介绍了典型计算机视觉库OpenCV的发展历史、内容结构以及应用领域。同时介绍了利用OpenCV的库函数改进图像分割的算法，改善印刷体文本尤其是手写体文本在复杂图像背景条件下的定位及分割的效果。

本文的最后部分，通过若干实例图像文件检验了改进后算法的有效性，分析了相关文本区域的具体改进效果，并分别统计出手写体文本及印刷体文本的改进率。

关键词：图像分割，计算机视觉，OpenCV，文本定位

目录

摘要 I

ABSTRACT I

第1章 引言 1

1.1 背景 1

1.2 研究内容 2

第2章 图像处理中的图像分割技术 3

2.1 图像处理技术综述 3

2.2 图像分割技术 3

2.2.1 图像分割的实现步骤 3

2.2.2 图像分割的实现方法 3

2.2.3 图像分割技术的难点 5

2.2.4 光学字符辨识软件简介 5

第3章 计算机视觉库OpenCV 6

3.1 计算机视觉简介 6

3.2计算机视觉库OpenCV简介 6

3.2.1计算机视觉库OpenCV概述 6

3.2.2计算机视觉库OpenCV的结构和内容 6

3.2.3计算机视觉库OpenCV的应用 7

3.2.4计算机视觉库OpenCV的主要函数 8

第4章 图形用户界面Koordinatenlesen的设计 12

4.1 图形用户界面简介 12

4.2 程序Koordinatenlesen功能介绍 12

4.2.1原始坐标的读取 12

4.2.2目标区域的标记 15

4.2.3改进坐标的输出 17

第5章 文本区域定位的改进 18

5.1 包装器OpenCVSharp简介 18

5.2 文本区域定位改进的具体实现 18

第6章 文本区域定位改进的效果 23

6.1 印刷体文本区域定位改进的效果 23

6.2 手写体文本区域定位改进的效果 23

6.3文本区域定位改进的效果综述 23

第7章 结束语 26

致谢 27