從掃描的紙張中提取單詞圖像

Question

我想要在很多掃描書籍（即波斯語（阿拉伯文腳本））中獲取每個單詞的小圖像。 我沒有圖像優勢的實驗。
我怎樣才能以最有效的方式做到這一點？

Answer 1

我建議你在MATLAB中編寫一個腳本，就像這樣。
一個：半字母之間的最大距離（以像素爲單位）
B：一半的字之間的最小距離（以像素爲單位）
（讓希望一個< B）

閾值的掃描。頁面的圖像。

I(I < Th) = 0;I(I > Th) = 1; 

通過試驗選擇'Th'。你應該得到一個二進制圖像'我'有字母是1。 擴大圖像。

imdilate(I,a); 

這會將字母連接在一起。
消除噪音。

I = bwareaopen(I,n); 

這將刪除n個像素以下的所有連接組件。
做連接組件分析。

CC = bwconncomp(I); 
Rect = regionprops(I,'BoundingBox'); 

這將返回一個包含單個單詞的矩形的座標列表。 從原始副本中提取子矩陣並使用imwrite（）寫入圖像。