Хорошо, месяц спустя, но я написал для вас немного кода (на python);)
(Предполагается, что вы сразу после гистограммы плотности изображения)
import cv
im2 = cv.LoadImage('ph05l.jpg')
width, height = cv.GetSize(im2)
hist = []
column_width = 1 # this allows you to speed up the result,
# at the expense of horizontal resolution. (higher is faster)
for x in xrange(width / column_width):
column = cv.GetSubRect(im2, (x * column_width, 0, column_width, height))
hist.append(sum(cv.Sum(column)) / 3)
Чтобы ускорить процесс, вам не нужно изменять файлы изображений, просто измените ширину ячейки выборки (column_width
в сценарии), очевидно, что при этом вы потеряете некоторое разрешение (как вы можете видеть в изображение ниже).
На изображении я показываю результаты (график hist
) с вашим файлом, используя column_width
из 1, 10 и 100. Они работали для меня в 0.11, 0.02 и 0.01 секунд соответственно.
Я тоже написал в PIL , но он работает примерно в 5-10 раз медленнее.
![character density histograms](https://i.stack.imgur.com/ThQ8A.jpg)