zw·准专利·高保真二值图细部切分算法

zw·准专利·高保真二值图细部切分算法
     高保真二值图细部切分算法，是中国字体协会项目的衍生作品。
     说准专利算法，是因为对于图像算法的标准不了解，虽然报过专利，但不是这方面的，需要咨询专业的专利顾问。
     原型是用opencv+python实现的，因为Halcon，对于协会的设计师，门槛太高，所以，特意设计了一套opencv+python的live-cd，解压即可，无需配置。

高保真二值图细部切分算法，初看很简单，其实很复杂。

ps，简单的东西，往往更复杂，就像每天遇到的：URL协议，至今没有一个能够100%完全解析的模块库，包括IBM、java、微软、。。。。。。

再如，目前火热的大数据、人工智能，核心算法还是k-v、和匹配。

说白了，就是类似字符串的pos函数，不过这个字符串长度可能是10亿字节。

高保真二值图细部切分算法，复杂度主要体现在以下几个方面：

• • 算法必须通用，国标二级，每套字库收录有6763个汉字。算法必须适用于每个汉字，而且必须多种字体通用
  • 全自动运行，不能采用交互模式，不然成本太高，参见上一条。
  • 高保真，传统ocr、车牌、人像、机器视觉，都没有这个限制，数据宽容度70%都可接受，这个算法，匹配度必须是99%以上
  • 缺少元数据，原始数据都是二值图，缺乏时间序列、深度、灰度等信息，像双目立体、点云、以及3D、VR系统，可以通过时间序列图片、光源、镜头变化，甚至多种传感器，多角度，对同一对象进行扫描，多角度采集数据，进行合成。

中国传统书法，有很多飞白、泼墨的手法，产生了很多小孔、孤点，从图像学角度，这些都是细小的干扰区。

传统的图像处理算法，例如车牌、人脸、工业监测等，只需经过简单的迭代过滤，即可解决。
       但对于书法作品而言，这些细节，却是作品整体，必不可少的组成部分。
       与工业图像处理相比，书法字体的图像，全部是二值图，
       表面看起来，这些图像数据源，非常干净，但因为缺乏细节，特别在笔画分解时，非常麻烦。

书法作品，风格各异，变化万千，无法通过建模、模板匹配的手段分割，这个建库成本太高了。

经多方检索，没有任何现成算法，可以参考，全部需要从零开始，自行开发。
      通过反复摸索、调试，最终，笔者成功通过图像形态学，结合轮廓匹配，完美的实现了相关功能，受到相关学者认可。

图1，是原稿，

图2，是切分后的效果

　　　　　　　　　

注意两图A处的笔画，已经分割，B、C、D等处泼墨效果，以及其他细节，完全保留。

A处，是最难切分，而又保留细节的区域，其他横竖结合部，切割很简单，就不在此介绍了。

这个切割算法的另外一个难点在于，国标二级，每一套字库，都收录有6763个汉字，

算法必须通用，每套字库的所有字形，以及各种其他字库，全部适用。

不然，单独对每一个字进行分割，单套开发、实施成本，就无法接受，更别说多套字库了，

      另外，附录的几张图，是其他处理环节的截图，供参考。