1 自上而下的方法

你的问题看起来像你

1. 想要水平分割，
2. 从左右图像边框缩小你的片段，
3. 检查每个水平段中的文本列数，然后
4. 在这些段中只需查找列。

1.1 – 水平分段

我能想到的最懒惰的方法：只需找到完全白色的连续线条。

为避免检测到正常文本行之间的空白，请为较大的段落间距设置“安全”边界。在其下方，检查下方和上方的非白线是否具有大致相同的长度。

1.2 – 水平收缩

只需找到不包含黑色的最外面的左右列。裁剪这些以及超出它们的所有内容。

1.3 & 1.4 – 检查列数和垂直段数

我会去：在纯白色段中找到列，接近“安全边距”，就像水平分割一样。如果剩下 1-3 像素宽的垂直线段，请检查它是否大致看起来像一条垂直线。

另一种方法是直接搜索垂直黑线（即通过列，计算黑色像素。如果列超过让我们说 40% 黑色 - > 垂直线），或者如果你必须首先取消图像，无论如何，开始你的在 1 之前使用霍夫变换的整个过程，并寻找接近图像中心的大致垂直线——这些将在霍夫斯典型的位置/角度平面中显示为峰值。

2 基于内容的自下而上方法

我要尝试的另一件事是从逻辑上讲：

1. 检测字母和垂直线的轮廓
2. 检测文本行的轮廓（通过对字母轮廓进行分组并使用垂直线作为边界）
3. 检测段落的轮廓（通过分组行）

2.1 – 检测字母

差不多：找到黑色像素，找到所有直接连接的黑色像素，找到这些组的最小和最大 x 和 y，绘制包围它们的红色矩形。重复下一个黑色像素。（“画红色”我的意思是“将其标记为已处理”）

2.1a – 检测垂直线

与 2.1 相同，但只是按纵横比过滤检测到的矩形。标记为绿色，或者。

2.2 – 检测线条的轮廓

从左边开始，画一个符号轮廓，找到中心，向右移动直到你

1. 击中垂直（绿色）线或
2. 超过最大合理词距离或
3. 点击图像边框或
4. 点击下一个符号。

在情况 1.-3. 中，将所有找到的符号标记为一行的内容。在情况 4. 中，将找到的符号添加到“堆栈”行，然后重复。

2.3 查找段落大纲

从左上角开始，画一条线轮廓。下去。

如果您点击的下一个轮廓具有大致相同的开始和宽度，则添加到行堆栈。如果没有，或者您遇到了边界，请声明堆栈上的所有行一个段落，标记已处理，从顶部获取下一个未处理的行轮廓，然后重复。

3 自下而上的方法，基于空白

想法：黑白输入

1. 选择一个白色像素
2. 找到包围所述像素的最大未受干扰的白色（或红色）矩形。如果面积小于阈值，则标记为绿色。如果大于阈值，标记为红色
3. 回到 1。

结果几乎应该是一个红色蒙版，当反转时，它会为您提供所需的分割。