如何使用python在图像中绘制文本答案

【问题标题】：How to paint text in an image using python如何使用python在图像中绘制文本
【发布时间】：2021-01-31 08:53:50
【问题描述】：

我有一张图片：

它有一些时间。

但我需要使用 python 将其转换为：

这个：对此

简而言之，我需要使用 python 将该图像中的文本绘制为黑色。我认为也许 opencv 对此有用，但不确定。我需要在任何时候都在同一类型的图像中这样做（比如编辑前的图像，只是不同的数字）。我认为我们可以使用 canny 来检测数字和点的边缘，然后将它们之间的区域涂成黑色。我不知道这样做的完美方式，但我认为它可能会奏效。希望有解决办法。提前致谢。

【问题讨论】：

由于22 被触及，洪水填充将很难进行
是的，但是没有其他解决方案吗？
那是真实的图像吗？手指在接触，这会产生问题，通过相互接触，它们会形成封闭区域，很难检测到。如果数字 arr 稍微分开，那么您可以轻松地使用来自scikit image的floodfill
另外，您可以编写自定义逻辑，例如通过 y 轴来填补空白
另外，如果你知道每个数字的宽度，那么很容易，你可以分割图像，然后对单个部分应用洪水填充。

标签： python image opencv text paint

【解决方案1】：

我就是这样做的，我建议您使用形态学操作并寻找删除某些大小的 blob 以解决“22”问题的方法。您还可以调整公差值。

import cv2

imgray = cv2.imread('j3iIp.png',0)

point = (0,0)   

src = imgray.copy()

tolerance = 25
connectivity = 4
flags = connectivity
flags |= cv2.FLOODFILL_FIXED_RANGE

cv2.floodFill(src, None, point, (0, 255, 255), (tolerance,) * 3, (tolerance,) * 3, flags)

src = cv2.subtract(255, src) 

cv2.imshow('filled', src)

cv2.waitKey(0)

cv2.imwrite("result.jpg",src)

cv2.destroyAllWindows()

结果是：

【讨论】：

【解决方案2】：

如前所述，由于相邻的 22 会产生问题，所以过程将是这样的

import numpy as np
import matplotlib.pyplot as plt
from skimage.segmentation import flood_fill

img = io.imread('number.png', as_gray=True)

plt.imshow(img, cmap='gray')

你申请flood fill

ff = flood_fill(img, (0,0), 125)
ff[ff != 125] = 0
ff[ff == 125] = 255

plt.imshow(ff, cmap='gray')

最后，保存图片

io.imsave('out.png', ff)

【讨论】：

【解决方案3】：

边框像素被打开以区分字符和背景。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('j3iIp.jpg',0)
ret,thresh2 = cv2.threshold(img,120,255,cv2.THRESH_BINARY_INV)
cv2.imshow("result", thresh2)
cv2.waitKey(0)
cv2.destroyAllWindows()
img1 = cv2.imwrite("thresh4.jpg",thresh2)

【讨论】：

【解决方案4】：

我第一次尝试使用 cv2.findContours() 但是每个字符内部的空白和锁定在 22 之间的空白之间没有层次差异。 Epsi95 的解决方案中显示的“22 问题”无法使用轮廓解决层次结构信息。

可以使用 cv2.floodFill() 和水平边缘检测来确定每个对象的种子点。

import cv2
import matplotlib.pyplot as plt
import numpy as np

# Fixed colon locations (assumed to be known constants)
Y1, Y2 = (24, 48)
X1, X2 = (45, 93)

# Plot grayscale image
img = np.uint8(cv2.imread("digits.png", cv2.IMREAD_GRAYSCALE) / 255)
fig, axs = plt.subplots(2)
axs[0].imshow(img, cmap="gray")

# Horizontal edge detection at Y1 to determine the seed points (for flood filling)
kernel = np.array([-1, -1, 1, 1], dtype=np.int8)  # bbww detector
edge_det = np.correlate(img[Y1, :], kernel, mode="same")  # 2 @ bbWw
edge_xloc = np.flatnonzero(edge_det == 2)
seeds_yx = np.array(
    [
        [Y1, edge_xloc[1]],
        [Y1, edge_xloc[edge_xloc < X1][-2]],
        [Y1, X1],
        [Y1, edge_xloc[edge_xloc > X1][1]],
        [Y1, edge_xloc[edge_xloc < X2][-2]],
        [Y1, X2],
        [Y1, edge_xloc[edge_xloc > X2][1]],
        [Y1, edge_xloc[-2]],
        [Y2, X1],
        [Y2, X2],
    ]
)
axs[0].plot(seeds_yx[:, 1], seeds_yx[:, 0], "ro")

# Flood fill at seed points
for y, x in seeds_yx:
    cv2.floodFill(img, mask=None, seedPoint=(x, y), newVal=0)
axs[1].imshow(img, cmap="gray")
fig.show()

此图中的代码结果

【讨论】：