基于OpenCV的古籍竖版文字分割与Python显示方案

2025年9月20日 互联网

基于OpenCV的古籍竖版文字分割与Python显示方案

一、竖版古籍文字处理的背景与挑战

古籍数字化是文化遗产保护的重要方向，而竖版排版古籍（如日文、中文古籍）因文字排列方向与现代横排文本不同，导致传统OCR技术难以直接应用。竖版文字的分割面临三大挑战：

  1. 文字方向识别：需准确判断文字是竖排还是横排；
  2. 字符粘连处理：古籍因年代久远可能存在墨迹晕染、纸张破损导致的字符粘连；
  3. 布局复杂性：竖排文本可能伴随行间注释、圈点符号等干扰元素。

以《论语》竖排古籍为例，其文字排列密度高，行间距小，传统基于投影法的分割方法易将竖排文字误判为横排连续区域。OpenCV的图像处理能力与Python的灵活性为解决此类问题提供了技术可能。

二、竖版文字分割的核心技术流程

1. 图像预处理：增强文字与背景对比度

古籍图像常存在光照不均、噪点干扰等问题，需通过以下步骤优化：

  1. import cv2
  2. import numpy as np
  4. def preprocess_image(img_path):
  5.     # 读取图像并转为灰度图
  6.     img = cv2.imread(img_path)
  7.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     # 自适应阈值二值化（处理光照不均）
  10.     binary = cv2.adaptiveThreshold(
  11.         gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
  12.         cv2.THRESH_BINARY_INV, 11, 2
  13.     )
  15.     # 去噪（中值滤波）
  16.     denoised = cv2.medianBlur(binary, 3)
  17.     return denoised

关键点：自适应阈值比全局阈值更能适应古籍图像的光照变化，cv2.ADAPTIVE_THRESH_GAUSSIAN_C通过局部加权计算阈值，有效保留文字细节。

2. 竖排文字方向检测：基于霍夫变换的线条分析

通过检测图像中的垂直线条分布，可判断文字方向：

  1. def detect_orientation(binary_img):
  2.     # 边缘检测（Canny）
  3.     edges = cv2.Canny(binary_img, 50, 150)
  5.     # 霍夫直线检测（参数优化：阈值80，最小线长20，最大线间隙10）
  6.     lines = cv2.HoughLinesP(
  7.         edges, 1, np.pi/180, 80, 
  8.         minLineLength=20, maxLineGap=10
  9.     )
  11.     # 统计垂直线（角度接近90度）
  12.     vertical_count = 0
  13.     for line in lines:
  14.         x1, y1, x2, y2 = line[0]
  15.         angle = np.arctan2(y2-y1, x2-x1) * 180/np.pi
  16.         if 80 < abs(angle) < 100:  # 接近垂直
  17.             vertical_count += 1
  19.     # 判断是否为竖排（垂直线占比超过60%）
  20.     total_lines = len(lines) if lines is not None else 0
  21.     return vertical_count / total_lines > 0.6 if total_lines > 0 else False

应用场景：若检测结果为竖排，后续处理需旋转图像或调整分割策略。例如，将图像顺时针旋转90度后，可复用横排文字分割算法。

3. 竖排文字分割：基于投影法的行切割

竖排文字的行切割需将图像旋转后按列投影：

  1. def segment_vertical_text(binary_img):
  2.     # 旋转图像（假设已检测为竖排）
  3.     rows, cols = binary_img.shape
  4.     rotated = cv2.rotate(binary_img, cv2.ROTATE_90_CLOCKWISE)
  6.     # 列投影（统计每列的黑色像素数）
  7.     projection = np.sum(rotated == 0, axis=0)
  9.     # 寻找分割点（投影值低于阈值的列）
  10.     threshold = np.mean(projection) * 0.3
  11.     split_points = []
  12.     start = 0
  13.     for i in range(1, len(projection)):
  14.         if projection[i] < threshold and projection[i-1] >= threshold:
  15.             split_points.append(i)
  17.     # 切割字符区域
  18.     characters = []
  19.     prev = 0
  20.     for point in split_points:
  21.         char = rotated[:, prev:point]
  22.         characters.append(char)
  23.         prev = point
  24.     return characters

优化方向：针对字符粘连问题，可结合形态学操作（如闭运算）连接断裂笔画，或使用连通域分析（cv2.connectedComponents）进一步细分。

三、Python显示竖排文字的两种方案

方案1：旋转图像后显示（简单但效率低）

  1. def display_rotated(img_path):
  2.     img = cv2.imread(img_path)
  3.     # 旋转90度显示竖排
  4.     rotated = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)
  5.     cv2.imshow("Vertical Text", rotated)
  6.     cv2.waitKey(0)

适用场景：快速预览竖排效果，但无法直接处理文字识别。

方案2：逐字符显示并控制方向（推荐）

结合Pillow库实现更灵活的显示：

  1. from PIL import Image, ImageDraw, ImageFont
  3. def display_vertical_chars(characters, output_path="vertical_text.png"):
  4.     # 假设characters为分割后的字符列表（需先转为PIL格式）
  5.     max_height = max(char.shape[0] for char in characters)
  6.     total_width = sum(char.shape[1] for char in characters)
  8.     # 创建空白画布（白色背景）
  9.     img = Image.new("RGB", (total_width, max_height), (255, 255, 255))
  10.     draw = ImageDraw.Draw(img)
  12.     # 加载字体（需指定竖排字体文件，如NotoSansCJKjp-Regular.otf）
  13.     try:
  14.         font = ImageFont.truetype("NotoSansCJKjp-Regular.otf", 24)
  15.     except:
  16.         font = ImageFont.load_default()
  18.     # 逐字符绘制（从右到左）
  19.     x_offset = 0
  20.     for char in characters:
  21.         # 将OpenCV格式转为PIL
  22.         char_pil = Image.fromarray(255 - char)  # 反色（OpenCV二值图为黑底白字）
  23.         img.paste(char_pil, (x_offset, 0))
  24.         x_offset += char.shape[1]
  26.     img.save(output_path)
  27.     img.show()

关键细节：需处理字体文件路径问题，建议使用支持竖排的CJK字体（如Noto Sans CJK）。若字体缺失，可先用默认字体显示，再提示用户下载。

四、实际应用中的优化建议

  1. 数据增强：对古籍图像进行旋转、缩放、噪点添加等操作，提升模型鲁棒性。
  2. 深度学习辅助：结合U-Net等分割网络，处理复杂粘连字符。
  3. 后处理规则：添加词典校验（如日文假名频率统计）修正分割错误。

五、总结与展望

本文提出的Python+OpenCV方案通过预处理、方向检测、投影分割和显示优化，实现了竖版古籍文字的有效处理。未来可探索将传统图像处理与深度学习结合，例如用CRNN模型直接识别竖排文字，进一步提升自动化水平。对于开发者而言，掌握此类技术不仅能解决古籍数字化痛点，还可迁移至其他竖排文本场景（如海报、手写笔记）。

最新文章