上一次通过投影的方式进行了文本块分割，但这种方法有很大的局限性，要求分行清晰、不能有字符跨多行、不能倾斜，而且对噪声比较敏感。还是拿上一回的图片，但是我在上面加了一个比较大的字，得出的结果就有问题了：

可以看到，由于右下角大大的“测”字跨了多行，导致水平投影分行时就出错了。

本次换一种方法，基于连通性分析来做。简单讲，就是把图像做一定的膨胀操作，使得同一个字符的不同部分以及相邻字符相互重叠到一起，变成一个整体，然后再通过分析找到每一个独立的块，排除掉噪声，剩下的基本就是符合条件的结果了。

直接上代码，后面再分析：using System;

using System.Collections.Generic;

using System.IO;

using System.Text;

using OpenCvSharp;

using OpenCvSharp.Extensions;

using OpenCvSharp.Utilities;

namespace OpenCvTest

{

class Program

{

static void Main(string[] args)

{

//读入源文件

var src = IplImage.FromFile("source.jpg");

//转换到灰度图

var gray = Cv.CreateImage(src.Size, BitDepth.U8, 1);

Cv.CvtColor(src, gray, ColorConversion.BgrToGray);

//做一下膨胀，x与y方向都做，但系数不同

//使用了Erode方法，腐蚀操作，针对白色区域，所以等效于对文字进行了膨胀

var kernal = Cv.CreateStructuringElementEx(5, 2, 1, 1, ElementShape.Rect);

Cv.Erode(gray, gray, kernal, 2);

//二值化

Cv.Threshold(gray, gray, 0, 255, ThresholdType.BinaryInv | ThresholdType.Otsu);

//检测连通域，每一个连通域以一系列的点表示，FindContours方法只能得到第一个域

var storage = Cv.CreateMemStorage();

CvSeq contour = null;

Cv.FindContours(gray, storage, out contour, CvContour.SizeOf, ContourRetrieval.CComp, ContourChain.ApproxSimple);

var color = new CvScalar(0, 0, 255);

//开始遍历

while (contour != null)

{

//得到这个连通区域的外接矩形

var rect = Cv.BoundingRect(contour);

//如果高度不足，或者长宽比太小，认为是无效数据，否则把矩形画到原图上

if(rect.Height > 10 && (rect.Width * 1.0 / rect.Height) > 0.2)

Cv.DrawRect(src, rect, color);

//取下一个连通域

contour = contour.HNext;

}

Cv.ReleaseMemStorage(storage);

//显示

Cv.ShowImage("Result", src);

Cv.WaitKey();

Cv.DestroyAllWindows();

}

}

}

下面来一步一步分析。读入的原图是这样的：

转换到灰度图并膨胀处理后，已经可以大致看出同一文本块的多个字符已经连到一起了：

二值化后的图像：

做连通性分析后，原始分析出的结果是这样的：Cv.DrawContours(src, contour, color, color, 1);

对每个连通域取外接矩形，得到的最终结果是这样的：

可以看到效果比之前好了很多，比较大的字可以作为独立的文本块被检测出来了。另外即使是同一行的文本块，也会有轻微的上下浮动，不再是绝对按行对齐了。

未经许可严禁转载。