def split_picture(imagepath):
    # 讀取圖片：以灰度模式（0）讀取，減少色彩干擾
    gray = cv2.imread(imagepath, 0)
    if gray is None:
        print(f"錯誤：無法讀取圖片，請檢查路徑 '{imagepath}' 是否正確")
        return

# 邊緣處理：僅輕微處理邊緣（避免過度裁剪字符）
height, width = gray.shape
# 只處理最外層1像素，避免大面積修改邊緣導(dǎo)致字符丟失
for i in range(width):
    gray[0, i] = 255
    gray[height - 1, i] = 255
for j in range(height):
    gray[j, 0] = 255
    gray[j, width - 1] = 255

# 中值濾波：減小模板（避免模糊字符細(xì)節(jié)）
blur = cv2.medianBlur(gray, 3)  # 3*3模板，保留更多字符細(xì)節(jié)

# 二值化：降低閾值（確保字符被正確識別為黑色）
# 嘗試更低的閾值（150），避免字符因亮度問題被誤判為背景
ret, thresh1 = cv2.threshold(blur, 150, 255, cv2.THRESH_BINARY)

# 查找輪廓：保留所有輪廓（包括內(nèi)部結(jié)構(gòu)，避免漏檢）
contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
 
# 打印所有輪廓信息（方便調(diào)試）
print("所有輪廓信息（x, y, 寬, 高, 面積）：")
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    area = w * h
    print(f"輪廓：x={x}, y={y}, 寬={w}, 高={h}, 面積={area}, 寬高比={w / h:.2f}")

# 大幅放寬過濾條件（優(yōu)先確保目標(biāo)輪廓被保留）
valid_contours = []
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    area = w * h
    # 邊緣排除：幾乎不排除（只排除緊貼邊緣的1像素）
    if x < 1 or y < 1 or x + w > width - 1 or y + h > height - 1:
        continue
    # 面積范圍：覆蓋之前的大輪廓（上限提高到40000，下限200）
    if area < 200 or area > 40000:
        continue
    # 寬高比：允許更寬的字符（如M）
    if w / h < 0.3 or w / h > 3:
        continue
    valid_contours.append((x, y, w, h))

# 按x坐標(biāo)排序（確保字符順序與驗(yàn)證碼一致）
valid_contours.sort(key=lambda c: c[0])
 
# 輸出結(jié)果并保存
if not valid_contours:
    print("\n未找到有效字符區(qū)域！請根據(jù)上面的輪廓信息進(jìn)一步放寬條件。")
else:
    print(f"\n共找到 {len(valid_contours)} 個有效區(qū)域：")
    for i, (x, y, w, h) in enumerate(valid_contours, 1):
        print(f"有效區(qū)域 {i}：(x={x}, y={y}, 寬={w}, 高={h})")
        # 裁剪并保存單個字符
        cv2.imwrite(f'char{i}.jpg', thresh1[y:y + h, x:x + w])

def main():
    imagepath = 'Verification_Code.png'
    split_picture(imagepath)
 
if __name__ == "__main__":
    main()

import cv2
 
 
def split_picture(imagepath):
    # 讀取圖片
    gray = cv2.imread(imagepath, 0)
    if gray is None:
        print(f"錯誤：無法讀取圖片，請檢查路徑 '{imagepath}' 是否正確")
        return
 
    # 邊緣處理：僅輕微處理邊緣（避免過度裁剪字符）
    height, width = gray.shape
    # 只處理最外層1像素，避免大面積修改邊緣導(dǎo)致字符丟失
    for i in range(width):
        gray[0, i] = 255
        gray[height - 1, i] = 255
    for j in range(height):
        gray[j, 0] = 255
        gray[j, width - 1] = 255
 
    # 中值濾波：減小模板（避免模糊字符細(xì)節(jié)）
    blur = cv2.medianBlur(gray, 3)  # 3*3模板，保留更多字符細(xì)節(jié)
 
    # 二值化：降低閾值（確保字符被正確識別為黑色）
    # 嘗試更低的閾值（150），避免字符因亮度問題被誤判為背景
    ret, thresh1 = cv2.threshold(blur, 150, 255, cv2.THRESH_BINARY)
 
    # 查找輪廓：保留所有輪廓（包括內(nèi)部結(jié)構(gòu)，避免漏檢）
    contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
 
    # 打印所有輪廓信息（方便調(diào)試）
    print("所有輪廓信息（x, y, 寬, 高, 面積）：")
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        area = w * h
        print(f"輪廓：x={x}, y={y}, 寬={w}, 高={h}, 面積={area}, 寬高比={w / h:.2f}")
 
    # 大幅放寬過濾條件（優(yōu)先確保目標(biāo)輪廓被保留）
    valid_contours = []
    for cnt in contours:
        x, y, w, h = cv2.boundingRect(cnt)
        area = w * h
        # 邊緣排除：幾乎不排除（只排除緊貼邊緣的1像素）
        if x < 1 or y < 1 or x + w > width - 1 or y + h > height - 1:
            continue
        # 面積范圍：覆蓋之前的大輪廓（上限提高到40000，下限200）
        if area < 200 or area > 40000:
            continue
        # 寬高比：允許更寬的字符（如M）
        if w / h < 0.3 or w / h > 3:
            continue
        valid_contours.append((x, y, w, h))
 
    # 按x坐標(biāo)排序
    valid_contours.sort(key=lambda c: c[0])
 
    # 輸出結(jié)果
    if not valid_contours:
        print("\n未找到有效字符區(qū)域！請根據(jù)上面的輪廓信息進(jìn)一步放寬條件。")
    else:
        print(f"\n共找到 {len(valid_contours)} 個有效區(qū)域：")
        for i, (x, y, w, h) in enumerate(valid_contours, 1):
            print(f"有效區(qū)域 {i}：(x={x}, y={y}, 寬={w}, 高={h})")
            cv2.imwrite(f'char{i}.jpg', thresh1[y:y + h, x:x + w])
 
 
def main():
    imagepath = 'Verification_Code.png'
    split_picture(imagepath)
 
 
if __name__ == "__main__":
    main()