# chework9

**Repository Path**: chewlll/chework9

## Basic Information

- **Project Name**: chework9
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-06
- **Last Updated**: 2025-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


汉字生字表图像特征提取与字符分割项目
一、项目概述
本项目使用 Python 和 OpenCV 库，对汉字生字表图片进行图像处理，提取单个汉字字符并保存。通过图像滤波、二值化、形态学处理和轮廓检测等技术，实现字帖中汉字的自动分割与保存。
二、项目结构
plaintext
chars/                # 保存处理结果和截取的汉字图片
├─ 1_original.jpg     # 原始图像
├─ 2_gray.jpg         # 灰度化图像
├─ 3_binary.jpg       # 二值化图像
├─ 4_eroded.jpg       # 腐蚀处理图像
├─ 5_dilated.jpg      # 膨胀处理图像
├─ 6_closing.jpg      # 闭运算处理图像
├─ 7_edges.jpg        # Canny边缘检测图像
├─ 8_contours.jpg     # 轮廓检测结果图像
├─ 9_final_result.jpg # 最终结果图像（带边框）
└─ cropped/           # 截取的单个汉字图片（按序号保存为PNG）

三、技术流程与代码说明
1. 图像预处理
灰度化：将彩色图像转换为灰度图，简化后续处理。
二值化：通过阈值处理将图像转换为黑白二值图，突出汉字区域。
形态学处理：
腐蚀：去除细小噪声，收缩汉字边缘。
膨胀：连接断裂的笔画，恢复汉字形状。
闭运算：填充汉字内部小孔，连接邻近字符。
2. 轮廓检测与字符分割
边缘检测：使用 Canny 算法检测图像边缘，便于轮廓提取。
轮廓筛选：根据周长和宽高比过滤无效轮廓，保留汉字区域。
外接矩形绘制：为每个汉字绘制正外接矩形边框，并截取矩形内区域保存为独立图片。
关键代码片段
python
# 灰度化处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imwrite('chars/2_gray.jpg', gray)

# 二值化处理
_, binary = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV)
cv2.imwrite('chars/3_binary.jpg', binary)

# 形态学腐蚀与膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
eroded = cv2.erode(binary, kernel, iterations=4)
dilated = cv2.dilate(eroded, kernel, iterations=2)

# 闭运算处理
kernel_closing = cv2.getStructuringElement(cv2.MORPH_CROSS, (25, 25))
closing = cv2.morphologyEx(dilated, cv2.MORPH_CLOSE, kernel_closing, iterations=2)

# 轮廓检测与字符截取
contours, _ = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for i, contour in enumerate(contours):
    perimeter = cv2.arcLength(contour, True)
    if 200 < perimeter < 5000:
        x, y, w, h = cv2.boundingRect(contour)
        cv2.rectangle(result_img, (x, y), (x+w, y+h), (0, 255, 0), 2)
        roi = original[y:y+h, x:x+w]
        cv2.imwrite(f"chars/cropped/char_{i+1}.png", roi)
四、运行结果展示
处理步骤结果
步骤	图像文件名	说明
原始图像	1_original.jpg	输入的汉字生字表图片
灰度化	2_gray.jpg	去除颜色信息
二值化	3_binary.jpg	黑白二值化处理
腐蚀处理	4_eroded.jpg	去除细小噪声
膨胀处理	5_dilated.jpg	连接断裂笔画
闭运算	6_closing.jpg	填充内部孔洞
边缘检测	7_edges.jpg	Canny 边缘检测结果
轮廓检测	8_contours.jpg	绘制汉字外接矩形
最终结果	9_final_result.jpg	带边框的原始图像
截取的汉字图片示例
![alt text](chars/1_original.jpg)

![alt text](chars/7_edges.jpg)
五、环境要求
Python 版本：3.8+
依赖库：
bash
opencv-python>=4.5.5
numpy>=1.21.0
matplotlib>=3.4.3

运行命令：
bash
python app.py


六、注意事项
确保输入图片路径正确。
若检测效果不佳，可调整以下参数：
二值化阈值（cv2.threshold中的127）
轮廓周长过滤范围（min_perimeter和max_perimeter）
项目需联网下载 OpenCV 依赖库。

七、个人信息

学号: 202352320201
年级: 2023
专业: 智能科学与技术
班级: 2班