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。
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，这些都是细小的感染区。
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。
（国标二级，每一套字库，都收录有6763个汉字，）
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两处，A点下方的泼墨效果，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。
原文：http://www.cnblogs.com/ziwang/p/4854089.html