笔画宽度变换 (SWT) 实现 (Python)答案

【问题标题】：Stroke Width Transform (SWT) implementation (Python)笔画宽度变换 (SWT) 实现 (Python)
【发布时间】：2012-06-22 09:23:43
【问题描述】：

谁能描述我如何在 python 中使用 opencv 或 simplecv 实现 SWT？

【问题讨论】：

如果您正在寻找论文实现，您可以添加指向该论文的链接，或者至少提供指向 SWT 的链接。
可能有用：stackoverflow.com/questions/4837124/…
我已经看过了，但是链接坏了，没有代码或伪代码可用。
该链接绝对有效：sites.google.com/site/roboticssaurav/strokewidthnokia
可以在here找到一个matlab实现（基于C++ mex文件）。

标签： python opencv computer-vision ocr simplecv

【解决方案1】：

好的，就这样吧：

实现细节的链接，底部有代码下载链接：SWT

为了完整起见，还提到 SWT 或 Stroke Width Transform 是 Epshtein 和其他人在 2010 年设计的，并且已证明是迄今为止最成功的文本检测方法之一。它不使用机器学习或复杂的测试。基本上在对输入图像进行 Canny 边缘检测之后，它会计算构成图像中对象的每个笔划的粗细。由于文本的笔画粗细一致，这可能是一种强大的识别功能。

链接中给出的实现是使用 C++、OpenCV 和 Boost 库，它们在计算 SWT 步骤后用于连接图遍历等。我个人已经在 Ubuntu 上对其进行了测试，它工作得很好（而且效率很高），尽管准确度并不准确。

【讨论】：

【解决方案2】：

我实现了类似于中描述的基于距离变换的 SWT Huizhong Chen、Sam S. Tsai、Georg Schroth、David M. Chen、Radek Grzeszczuk、Bernd Girod 的具有边缘增强的最大稳定极端区域的自然图像中的鲁棒文本检测 >'。

这与论文中描述的不同，但粗略的近似值符合我的目的。认为我应该分享它，以便有人可能会发现它有用（并指出任何错误/改进）。它用 C++ 实现并使用 OpenCV。

    // bw8u : we want to calculate the SWT of this. NOTE: Its background pixels are 0 and forground pixels are 1 (not 255!)
    Mat bw32f, swt32f, kernel;
    double min, max;
    int strokeRadius;

    bw8u.convertTo(bw32f, CV_32F);  // format conversion for multiplication
    distanceTransform(bw8u, swt32f, CV_DIST_L2, 5); // distance transform
    minMaxLoc(swt32f, NULL, &max);  // find max
    strokeRadius = (int)ceil(max);  // half the max stroke width
    kernel = getStructuringElement(MORPH_RECT, Size(3, 3)); // 3x3 kernel used to select 8-connected neighbors

    for (int j = 0; j < strokeRadius; j++)
    {
        dilate(swt32f, swt32f, kernel); // assign the max in 3x3 neighborhood to each center pixel
        swt32f = swt32f.mul(bw32f); // apply mask to restore original shape and to avoid unnecessary max propogation
    }
    // swt32f : resulting SWT image

【讨论】：

距离变换的局部最大值将产生半笔画宽度。这是一个很好的观察结果，尽管 2011-2012 年的一些论文将这个确切的东西与 MSER 等区域检测器结合使用。
@AruniRC 给定链接中的论文提供了有关此方法的详细信息。其实这个半笔画宽度的东西不是我的观察。真的很抱歉，如果我的文字让它看起来像是我的。这一切都应该归功于本文的作者。
哦，我根本不是那个意思。只是一个观察。抱歉，我之前没有看到 ICIP 论文链接是我的错。事实上，使用距离变换来获得半宽在实现方面更加容易和优雅。就个人而言，我使用拉普拉斯算子来获得 dist 的局部极值。反式图像，但你的扩张方式更干净。
你的方法的输入图像的背景值必须为0，前景值必须为1？我怎么会意识到这一点？
@BastianSchoettle 我们将 SWT 应用于二进制图像，因此您可以使用 threshold 并将 maxval 设置为 1 来创建此二进制图像。只是一个例子。

【解决方案3】：

这里有一个完整的库SWTloc这里是算法的Python 3实现

v2.0.0 以上

安装库

pip install swtloc

转换图像

import swtloc as swt
imgpath = 'images/path_to_image.jpeg'
swtl = swt.SWTLocalizer(image_paths=imgpath)
swtImgObj = swtl.swtimages[0]
swt_mat = swtImgObj.transformImage(text_mode='lb_df',
                                   auto_canny_sigma=1.0,
                                   maximum_stroke_width=20)

本地化字母

localized_letters = swtImgObj.localizeLetters(minimum_pixels_per_cc=100,
                                              maximum_pixels_per_cc=10_000,
                                              acceptable_aspect_ratio=0.2)

本地化单词

localized_words = swtImgObj.localizeWords()

完全披露：我是这个库的作者

【讨论】：