Image processing 形态学中连通字符的图像分割

在我问同样的问题之前，我试着用分水岭分割连接的字符，但效果不好。一周前，我在谷歌搜索的stackoverflow上遇到同样的问题，， 在回答用户时，作者mmgp提供了一个使用形态学方法和关闭操作的解决方案，但我不完全理解

我只是在命中和未命中形态学中细化图像

原始图像

细化图像细化图像的大图像（放大）

4连接性可以将数字9拆分为单个字符，但44仍然连接

我有个问题要问

1.为什么需要将原始图像的大小调整为200像素，然后对其进行细化。

为什么不立即对原始图像进行细化呢

2.如何提取这些分支点并对细化图像应用形态学逼近。

我只知道闭合形态是一种侵蚀和扩张联合操作

收盘的垂直线需要2*height+1（这是结构元素高度？），我不知道如何设置。结构元素如何构造（3*3或其他？）

最后，他们得到了下面的图片

我需要一些帮助，有人可以告诉我如何应用关闭操作，并获得上面的图像。

---

谢谢。

我已使用前景功能和背景功能解决了此问题

一些人在下面详细介绍了该算法：

基于上下文知识的手写数字串分割与识别代理框架

波斯语和英语中手写数字串的分割

流动的图像是我的捕获

前景区域和前景骨架

背景区域和背景骨架

骨骼图像为44

---

基于上述特征点，我们可以构造分割路径来分割449位数字。

我使用前景特征和背景特征解决了这个问题

一些人在下面详细介绍了该算法：

基于上下文知识的手写数字串分割与识别代理框架

波斯语和英语中手写数字串的分割

流动的图像是我的捕获

前景区域和前景骨架

背景区域和背景骨架

骨骼图像为44

---

基于上述特征点，我们可以构造分割路径来分割449位数字。

使用以下方法进行闭合操作：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(2*h+1,1))
closed_img = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

---

使用以下方法进行关闭操作：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(2*h+1,1))
closed_img = cv.morphologyEx(img, cv.MORPH_CLOSE, kernel)

---

美好的我刚看了报纸。你知道作者是如何获得背景区域（黑色物体外的白色像素）的吗？我不明白他在这里是什么意思。顺便问一下，如何提取顶部和底部？希望收到您的@zhengchunNice。我刚看了报纸。你知道作者是如何获得背景区域（黑色物体外的白色像素）的吗？我不明白他在这里是什么意思。顺便问一下，如何提取顶部和底部？希望收到您的@zhengchun