#将水表截取下来的数字进行 识别

from cv2 import cv2

import numpy as np

from matplotlib import pyplot as plt

from PIL import Image

#图片的自定义二值化

img = Image.open('cutImage3.jpg')

# 模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。

Img = img.convert('L')

# Img.save("graycutImage1.jpg")

# 自定义灰度界限，大于这个值为白色，小于这个值为黑色

threshold = 110

table = []

for i in range(256):

if i < threshold:

table.append(1)

else:

table.append(0)

# 图片二值化

photo = Img.point(table, '1')

photo.save("bcutImage3.jpg")

#扫描法分割字符 在图片像素的列上没有白色的像素点代表可以分割

#图片的垂直方向上面的投影

img=cv2.imread('bcutImage3.jpg') #读取图片，装换为可运算的数组

GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #将BGR图转为灰度图

ret,bimg=cv2.threshold(GrayImage,130,255,cv2.THRESH_BINARY)

ret,thresh1=cv2.threshold(GrayImage,130,255,cv2.THRESH_BINARY) #将图片进行二值化(130,255)之间的点均变为255(背景)

# print(thresh1[0,0])#250 输出[0,0]这个点的像素值 #返回值ret为阈值

# print(ret)#130

h,w=thresh1.shape #返回高和宽

print(h,w)#s输出高和宽

a = [0 for z in range(0, w)]

# print(a) #a = [0,0,0,0,0,0,0,0,0,0,...,0,0]初始化一个长度为w的数组，用于记录每一列的黑点个数

#记录每一列的波峰

for j in range(0,w): #遍历一列

for i in range(0,h): #遍历一行

if thresh1[i,j]==0: #如果改点为黑点

a[j]+=1 #该列的计数器加一计数

thresh1[i,j]=255 #记录完后将其变为白色

# print (j)

#

for j in range(0,w): #遍历每一列

for i in range((h-a[j]),h): #从该列应该变黑的最顶部的点开始向最底部涂黑

thresh1[i,j]=0 #涂黑

#此时的thresh1便是一张图像向垂直方向上投影的直方图

#如果要分割字符的话，其实并不需要把这张图给画出来，只需要的到a=[]即可得到想要的信息

cut_w=[]#用来存贮需要分割的x的坐标

for i in range(w-1):

if a[i+1]-a[i] >12 and i >20 and i <120:

cut_w.append(i)

print(cut_w)

img1=bimg[0:h,0:cut_w[0]]

cv2.imshow('hh1',img1)

img2=bimg[0:h,cut_w[0]:cut_w[1]]

cv2.imshow('hh2',img2)

img3=bimg[0:h,cut_w[1]:cut_w[2]]

cv2.imshow('hh3',img3)

img4=bimg[0:h,cut_w[2]:cut_w[3]]

cv2.imshow('hh4',img4)

# img2 =Image.open('0002.jpg')

# img2.convert('L')

# img_1 = np.array(img2)

plt.imshow(thresh1,cmap=plt.gray())

plt.show()

cv2.imshow('img',thresh1)

cv2.waitKey(0)

cv2.destroyAllWindows()

效果如下：

进行修改以后：(有多少识别出来的数字都显示出来，并且保存在文本里面)

#将水表截取下来的数字进行 识别

from cv2 importcv2importnumpy as npfrom matplotlib importpyplot as pltfrom PIL importImage#图片的自定义二值化

img = Image.open('cutImage3.jpg')#模式L”为灰色图像，它的每个像素用8个bit表示，0表示黑，255表示白，其他数字表示不同的灰度。

Img = img.convert('L')#Img.save("graycutImage1.jpg")#自定义灰度界限，大于这个值为白色，小于这个值为黑色

threshold = 110table=[]for i in range(256):if i

table.append(1)else:

table.append(0)#图片二值化

photo = Img.point(table, '1')

photo.save("bcutImage3.jpg")#扫描法分割字符 在图片像素的列上没有白色的像素点代表可以分割#图片的垂直方向上面的投影

img=cv2.imread('bcutImage3.jpg') #读取图片，装换为可运算的数组

cv2.imshow("hhh",img)

GrayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #将BGR图转为灰度图

ret,bimg=cv2.threshold(GrayImage,130,255,cv2.THRESH_BINARY)

ret,thresh1=cv2.threshold(GrayImage,130,255,cv2.THRESH_BINARY) #将图片进行二值化(130,255)之间的点均变为255(背景)#print(thresh1[0,0])#250 输出[0,0]这个点的像素值 #返回值ret为阈值#print(ret)#130

h,w=thresh1.shape #返回高和宽

print(h,w)#s输出高和宽

a = [0 for z inrange(0, w)]#print(a) #a = [0,0,0,0,0,0,0,0,0,0,...,0,0]初始化一个长度为w的数组，用于记录每一列的黑点个数

#记录每一列的波峰

for j in range(0,w): #遍历一列

for i in range(0,h): #遍历一行

if thresh1[i,j]==0: #如果改点为黑点

a[j]+=1 #该列的计数器加一计数

thresh1[i,j]=255 #记录完后将其变为白色

#print (j)

#

for j in range(0,w): #遍历每一列

for i in range((h-a[j]),h): #从该列应该变黑的最顶部的点开始向最底部涂黑

thresh1[i,j]=0 #涂黑

#此时的thresh1便是一张图像向垂直方向上投影的直方图#如果要分割字符的话，其实并不需要把这张图给画出来，只需要的到a=[]即可得到想要的信息

cut_w=[]#用来存贮需要分割的x的坐标

for i in range(w-1):if a[i+1]-a[i] >6 and i >20 and i

cut_w.append(i)print(cut_w)

num=len(cut_w) #记录一下一共有多少个分割出来的需要识别的数字

for i inrange(len(cut_w)):if i==0:

img=bimg[0:h,0:cut_w[i]]else:

img=bimg[0:h,cut_w[i-1]:cut_w[i]]#cv2.imshow(("figure"+str(i)),img)

cv2.imwrite("figure"+str(i)+".jpg",img)#保存成图片

plt.imshow(thresh1,cmap=plt.gray())

plt.show()#cv2.imshow('img',thresh1)

cv2.waitKey(0)

cv2.destroyAllWindows()