因為做專案要用到這個方法，就用opencv+py實現了一下，很簡單，先灰度二值化影象，統計Y軸畫素點個數，滑窗檢測間斷點就可以：

def split_by_pixel(img):
    img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    #otsu大法好！
    ret, img_thresh = cv2.threshold(img_gray, 130, 255, cv2.THRESH_OTSU)
    #cv2.imshow("out", img_thresh)
    h, w = np.shape(img_thresh)
    #print(h, w)
 

    #建立Y軸方向的直方圖
    y_hist = []
    for i in range(w):
        cnt = 0
        for j in range(h):
            if img_thresh[j][i] != 0:
                cnt += 1
        y_hist.append(cnt)
    #print(y_hist)
    #取眾數減小誤差
    mean = np.argmax(np.bincount(y_hist)) 
    #print(mean)
    # sliding-window algorithm
 

    st = []
    en = []
    flag = 0
    for j in range(w):
        if flag == 0 and y_hist[j] - mean > mean:
            st.append(j)
            flag = 1
        if flag == 1 and y_hist[j] - mean <= mean:
            en.append(j)
            flag = 0
    print(st, en)
    size = len(st)
    for
 
 i in range(size):
        #減小誤差，寬度過小的不要
        if en[i] - st[i] < 10 :
            continue
        else:
            tempfile = img[0:,st[i]:en[i]]
            cv2.imwrite("s_"+str(i*i)+".jpg",tempfile)

這裡談一下為什麼選擇眾數而不是平均數來當作誤差項：因為如果otsu的效果很好的話，數碼管顯示的數字會被完美閾值化，但是還有可能出現邊緣的亮帶，假設亮帶在影象中普遍存在，那麼亮帶的統計值一定是眾數。經過很多張圖片的實驗的結果，證明了假設成立，當然為了不誤判使用了眾數自己當作閾值，這個即使在亮帶明顯斷開的情況下效果也很好。