【无标题】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

paddleocr文本识别

import cv2
import numpy as np
from PIL import Image
from paddleocr import PaddleOCR, draw_ocr
from IPython.display import Image as IPImage, display
import matplotlib.pyplot as plt
import os
import cv2
from matplotlib import pyplot as plt

# image1 = cv2.imread("/home/yangxy/pythonproject/OCR/assets/112.png")
# # 将输入图像转为灰度图
# gray = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
# # 绘制灰度图
# # plt.subplot(311), plt.imshow(gray, "gray")
# # 绘制原图
# plt.subplot(311), plt.imshow(cv2.cvtColor(image1, cv2.COLOR_BGR2RGB))
# plt.title("input image"), plt.xticks([]), plt.yticks([])
# # 对灰度图使用 Ostu 算法
# ret1, image = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)
# # 绘制灰度直方图
# plt.subplot(312), plt.hist(gray.ravel(), 256)
# # 标注 Ostu 阈值所在直线
# plt.axvline(x=ret1, color='red', label='otsu')
# plt.legend(loc='upper right')
# plt.title("Histogram"), plt.xticks([]), plt.yticks([])
# # 绘制二值化图像
# plt.subplot(313), plt.imshow(image, "gray")
# plt.title("output image"), plt.xticks([]), plt.yticks([])
# plt.show()
# # 图像颜色再次反转
# reverse=cv2.bitwise_not(image)
# color=cv2.cvtColor(reverse,cv2.COLOR_GRAY2BGR)
# plt.figure(figsize=(6,16))
# plt.imshow(color), plt.xticks([]), plt.yticks([])


# 创建 PaddleOCR 实例
ocr = PaddleOCR(use_angle_cls=True, lang="en")

# 指定输入图像路径
img_path = '/home/yangxy/pythonproject/OCR/assets/112.png'

# # 读取反转后的BGR图像
# reversed_bgr_image = th1  # 这里使用之前反转后的图像

# # 创建一个目录来保存单独的框选结果图片
# output_dir = 'box_results'
# os.makedirs(output_dir, exist_ok=True)

# 进行文本识别
result = ocr.ocr(img_path, cls=True)


# 读取原始图像
image = cv2.imread(img_path)

# # 将BGR图像转换为RGB格式（PaddleOCR要求输入为RGB格式）
# image = cv2.cvtColor(img_path, cv2.COLOR_BGR2RGB)

# 用于存储所有文本内容的列表
all_texts = []

# 提取识别结果
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        # 提取文本框坐标
        box = line[0]
        box = np.array(box).astype(np.int32)

        # 提取文本内容、坐标、可信度
        text = line[1][0]
        confidence = line[1][1]
        print(f"文本内容: {text}, 坐标: {box}, 可信度: {confidence:.2f}")

        # 绘制矩形框
        cv2.polylines(image, [box], isClosed=True, color=(0, 0, 255), thickness=2)

        # # 从原始图像中提取并保存框选的部分图片
        # x1, y1 = box[0]
        # x2, y2 = box[2]
        # cropped_image = image[y1:y2, x1:x2]
        # output_img_path = os.path.join(output_dir, f'box_{idx + 1}.jpg')
        # cv2.imwrite(output_img_path, cropped_image)

        # # 显示单独的框选图片
        # display(IPImage(filename=output_img_path))

        # 将文本内容添加到列表中
        all_texts.append(text)

# 输出全部文本内容
print("全部文本内容:")
for text in all_texts:
    print(text)

# # 保存带有框选的总结果图像
# output_img_path = 'result_with_boxes.jpg'
# cv2.imwrite(output_img_path, image)

# 显示总结果图像
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.axis('off')
plt.show()

# # 输出带有框选的总结果图像文件路径
# print(f"带有框选的总结果图像保存在：{output_img_path}")

# # 输出单独的框选结果图片文件路径
# print(f"单独的框选结果图片保存在目录：{output_dir}")

表格识别

# 先是输入图像

import cv2
import numpy as np
from PIL import Image
from paddleocr import PaddleOCR
import openpyxl
from matplotlib import pyplot as plt
from IPython.display import display

# # 读取表格图像并显示
# img = cv2.imread('/home/yangxy/pythonproject/OCR/assets/133.png')
# display(Image.open('/home/yangxy/pythonproject/OCR/assets/133.png'))
img='/home/yangxy/pythonproject/OCR/assets/133.png'
image = cv2.imread(img, 1)
 
    # 灰度图片
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 二值化
binary = cv2.adaptiveThreshold(~gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 35, -5)
# 将二值化图像转换为PIL图像
pil_binary = Image.fromarray(binary)
# 显示PIL图像
display(pil_binary)

# 通常，较大的 scale 值会导致更粗的线条被检测出来，而较小的 scale 值会导致更细的线条被检测出来。
rows, cols = binary.shape
scale = 40
    # 识别横线
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (cols // scale, 1))
eroded = cv2.erode(binary, kernel, iterations=1)
dilatedcol = cv2.dilate(eroded, kernel, iterations=1)
# 识别竖线
scale =20
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, rows // scale))
eroded = cv2.erode(binary, kernel, iterations=1)
dilatedrow = cv2.dilate(eroded, kernel, iterations=1)
   # 标识交点
bitwiseAnd = cv2.bitwise_and(dilatedcol, dilatedrow)
 # 标识表格
merge = cv2.add(dilatedcol, dilatedrow)
 # 两张图片进行减法运算，去掉表格框线
merge2 = cv2.subtract(binary, merge)


# 识别黑白图中的白色交叉点，将横纵坐标取出
ys, xs = np.where(bitwiseAnd > 0)
mylisty = []  # 纵坐标
mylistx = []  # 横坐标
# 通过排序，获取跳变的x和y的值，说明是交点，否则交点会有好多像素值值相近，我只取相近值的最后一点
    # 这个10的跳变不是固定的，根据不同的图片会有微调，基本上为单元格表格的高度（y坐标跳变）和长度（x坐标跳变）
i = 0
myxs = np.sort(xs)
for i in range(len(myxs) - 1):
    if (myxs[i + 1] - myxs[i] > 10):
            mylistx.append(myxs[i])
    i = i + 1
mylistx.append(myxs[i])  # 要将最后一个点加入
i = 0
myys = np.sort(ys)
    # print(np.sort(ys))
for i in range(len(myys) - 1):
    if (myys[i + 1] - myys[i] > 10):
            mylisty.append(myys[i])
    i = i + 1
mylisty.append(myys[i])  # 要将最后一个点加入

# 遍历mylistx和mylisty中的坐标点，并在图像上绘制矩形框
for x1, x2 in zip(mylistx, mylistx[1:]):
    for y1, y2 in zip(mylisty, mylisty[1:]):
        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)  # 使用绿色绘制矩形框

# 显示带有矩形框的图像
display(Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB)))



#  paddleocr文字识别
ocr = PaddleOCR(det=True)
    # 循环y坐标，x坐标分割表格
mylist = []
for i in range(len(mylisty) - 1):
    row = []
    for j in range(len(mylistx) - 1):
            # 在分割时，第一个参数为y坐标，第二个参数为x坐标
        ROI = image[mylisty[i] + 3:mylisty[i + 1] -3, mylistx[j]:mylistx[j + 1] -3]  # 减去3的原因是由于我缩小ROI范围

        # 将二值化图像转换为PIL图像
        pil_binary = Image.fromarray(ROI)
       # 显示PIL图像
        display(pil_binary)

            # cv2.imshow("分割后子图片展示：", ROI)
            # cv2.waitKey(0)
            # 检查ROI是否为空
        result = ocr.ocr(ROI, det=True)
        print(result)
        if result==[[]]:
            text_len = 0
        else:
            text_len = len(result)
        tmptxt = ' '
        txt = ' '
        if text_len != 0:
             for result1 in result:
               for sublist in result1:
                 for inner_list in sublist:
                   if isinstance(inner_list, tuple):
                     txt += '\n' + inner_list[0]
        row.append(txt)
        # print(row)
        j = j + 1
    i = i + 1
    mylist.append(row)
    print(mylist)

    
#  将识别内容导入到excel表格里
wb = openpyxl.Workbook()
ws = wb.active
ws.title = '我的课程表'
# 遍历数据并将其写入 Excel 表格
for r in range(len(mylist)):
    for c in range(len(mylist[0])):
        cell_value =mylist[r][c]
        ws.cell(row=r + 1, column=c + 1, value=cell_value)
        # ws.cell(row=r + 1, column=c + 1).alignment = openpyxl.styles.Alignment(wrapText=True)
            # excel中的行和列是从1开始计数的，所以需要+1
file_path='/home/yangxy/pythonproject/OCR/assets/2.xlsx'
wb.save(file_path)  # 注意，写入后一定要保存
print("成功写入文件: " + file_path + " !")