图像处理/超轻OCR(Image processing / super light OCR)

我有55个000图像文件（JPG都和TIFF格式），这是从一本书的图片。

每个页面的结构是这样的：

一些文本
---（水平线）---
一个号码
一些文本
---（水平线）---
另一个号码
一些文本

有可能从任何给定的网页上0-4个水平线。

我需要找到数字是多少，只是水平线以下。

但数字严格遵循对方，在一个页面上从1开始，所以为了找到号码，我并不需要读它：我能检测水平线条的存在，这应该是比都更容易，更安全试图OCR页面检测数字。

该算法是，基本上是：

for each image
  count horizontal lines
  print image name, number of horizontal lines
  next image

现在的问题是：什么是最好的图片库/语言做了“算水平线”的一部分？

Answer 1:

可能检测您的线路最简单的方法是使用Hough变换在OpenCV的 （其中有包装多国语言）。

OpenCV的霍夫变换分析会检测到图像中的所有行，返回他们的角度和启动/停止坐标。你应该只保留其角度接近水平和足够长的人。

O'Reilly的学习OpenCV的详细解释函数的输入和输出（第156页）。

Answer 2:

如果你有良好的对比度，尝试运行连接组件和分析结果。它可以是另一种寻找通过霍夫线和覆盖的情况下，当你的结构化元素都有点弯曲或者线算法拿起你不希望它拿起线。

连接部件是一个超级快，二光栅扫描算法，并会给你一个面具与你连接的元素在里面打上不同的标签和核算。您可以放弃任何东西短（在纵横比计算）。总体而言，这可能是比较一般，速度较快，但可能有点比跑步Hough变换更多地参与。霍夫另一方面变换将成为对比度伪像甚至在线偶然空缺更耐受。 OpenCV的功能findContours（）是找到组件为您服务。