# image processing

**Repository Path**: rainyf/image-processing

## Basic Information

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

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-08
- **Last Updated**: 2025-06-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 书法字体图像获取项目

## 项目简介

本项目实现了对汉字字帖图片的自动分割处理，能够将字帖图片中的每个汉字单独提取出来，保存为独立图片，并输出每一步的图像处理结果，便于学习和分析图像处理流程。

## 主要功能

- 支持对字帖图片（如 `hanzi1.jpg`）进行灰度化、二值化、腐蚀、膨胀、中值滤波、闭运算、Canny边缘检测等处理。
- 自动去除表格线，提升汉字分割准确率。
- 自动检测并分割每个汉字，保存到 `chars/` 目录。
- 每一步处理结果均保存为图片，便于可视化分析。

## 依赖环境

- Python 3.x
- OpenCV (`cv2`)
- NumPy
- Matplotlib

安装依赖（推荐使用 pip）：

```bash
pip install opencv-python numpy matplotlib
```

## 文件结构

```
hanzi1.jpg                # 原始字帖图片
process1.py               # 主处理脚本
chars/                    # 分割得到的汉字图片
binary_image.png          # 二值化结果
eroded_image.png          # 腐蚀结果
dilated_image.png         # 膨胀结果
median_blurred_image.png  # 中值滤波结果
closed_image.png          # 闭运算结果
canny_edges.png           # Canny边缘检测结果
all_steps.png             # 全流程可视化
.vscode/                  # VSCode 配置
```

## 处理流程

1. **灰度化**：将原始图片转为灰度图。
2. **二值化**：全局阈值+OTSU方法，突出汉字。
3. **腐蚀**：去除小噪点。
4. **膨胀**：增强汉字特征。
5. **中值滤波**：去除小白点。
6. **闭运算**：填补闭合区域，连接断笔。
7. **去除表格线**：用形态学操作去除横竖线。
8. **Canny边缘检测**：辅助分割。
9. **轮廓检测/连通域分析**：自动分割每个汉字。
10. **保存结果**：每个汉字保存到 `chars/`，每一步处理结果保存为图片。

## 使用方法

1. 将待处理的字帖图片命名为 `hanzi1.jpg`，放在项目根目录。
2. 运行主脚本：

```bash
python process1.py
```

3. 处理完成后，分割得到的汉字图片保存在 `chars/` 目录，每一步处理结果保存在当前目录。

## 输出说明

- `chars/char_000.png` 等：每个汉字的独立图片。
- `binary_image.png`、`eroded_image.png` 等：每一步的处理结果图片。
- `all_steps.png`：全流程处理效果拼图。

## 效果示例

![流程示例](all_steps.png)

---


## 个人信息
年级：2023级
学号：202352320128
专业：智能科学与技术
班级：1班