python识别图片内容并获取两个地点间的距离_python opencv 测图片中两个相同字符的距离-CSDN博客

本文链接：https://blog.csdn.net/tarena_tarena/article/details/123205528

需求

想找一下龙岗区民办小学学校与家里的距离，我目前住宝安区，对那边不熟悉，在升学本地宝上了解到龙岗区有80所小学，但是资料是一张图片。其实后来我又找到了可复制的学校列表，但是作为一个老年萌新程序员。80个地址一个个去地图上搜索与家的距离，我内心是拒绝的！虽然菜但好歹是猿。
我不是python猿，但我听说python很强大。所以一直想学习一下。
正好拿来练练手。
人类科技的驱动力就是懒！

环境搭建就不赘述了，网上海量帖子一堆。我是windows环境，核心内容就是下载python.exe安装->配置环境变量。

语言入门添加链接描述
计算机语言入门

基本语法，来个hello world
变量
运算符
流程语句if,for,while,通用的，就是语法不一样
数据类型，字符串，数字，列表
函数，定义函数，函数调用，一门语言一开始都是面向过程的嘛~

以上看一遍，像我就带着demo的任务来的。不会的看下文档。如果不带着目标学的话，一是知识点太多，二是容易打击你的积极性。

整理思路

获取两个地点间的距离，这个好办，调用地图的api，其他web语言也可以做到。easy!
这篇文章有意思的是，读取图片的内容，嗯~，不得不感叹python的扩展强大。只要pip,啥都有。

两个地点间的距离

1,先实现获取两点的距离，直接贴源码，封装了一个方法，你看，这就学到了函数的定义及调用。
这个就是调api。没啥！

#计算地址经纬度
import requests
from math import radians, cos, sin, asin, sqrt

def geocode(address,address2):
 #高德地图api获取地址坐标,这个里面的key是高德地图开发平台获取，每天有访问限制的。注意，最好自己去注册获取
 parameters = {'address': address, 'key': '72140df0945c4f78c66a50a7685572a3'}
 base = 'http://restapi.amap.com/v3/geocode/geo'
 response = requests.get(base, parameters)
 answer = response.json()
 lon1 = float(answer['geocodes'][0]['location'].split(',')[0])
 lat1 = float(answer['geocodes'][0]['location'].split(',')[1])

 parameters2 = {'address': address2, 'key': '72140df0945c4f78c66a50a7685572a3'}
 response2 = requests.get(base, parameters2)
 answer2 = response2.json()
 lon2 = float(answer2['geocodes'][0]['location'].split(',')[0])
 lat2 = float(answer2['geocodes'][0]['location'].split(',')[1])

 # 将十进制度数转化为弧度
 lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2])
 # haversine公式
 dlon = lon2 - lon1
 dlat = lat2 - lat1
 a = sin(dlat / 2) ** 2 + cos(lat1) * cos(lat2) * sin(dlon / 2) ** 2
 c = 2 * asin(sqrt(a))
 r = 6371  # 地球平均半径，单位为公里
 return (c * r)
 #测试
 print(geocode('深圳市龙岗区龙岗街道新生社区水岸新都','深圳市龙岗区龙城街道欣景路110号'))

识别图片内容并调用方法

2,识别图片内容，调用map_rang.py里的geocode方法，直接贴源码。注释都写了，作为一个小学生，注释是必须要有的。
图片识别阶段，遇到很多问题。但是他强任他强，孔子避其锋芒！

import cv2
import numpy as np
import pytesseract as pt
import matplotlib.pyplot as plt
import map_range

#识别图片内容

img = cv2.imread(r'2.png',-1)
#黑白化图片，识别更精准
ret,img2 = cv2.threshold(np.array(img), 200, 255, cv2.THRESH_BINARY)
plt.imshow(img2, cmap = 'gray', interpolation = 'bicubic')
plt.xticks([]), plt.yticks([])
#显示图片
plt.show()
#识别图片文字，chi_sim是语言包，识别中文要下载并放到相应的目录
text2 = pt.image_to_string(img2, lang="chi_sim")
#列表
text2_list = text2.split("\n")

#去掉空成员
del_step = 0
while del_step < len(text2_list):
    if(text2_list[del_step] == ''):
        del text2_list[del_step]
    del_step = del_step + 1


#循环取距离
text_len = len(text2_list)
step  = 1
while step < text_len:
    step = step +1
    if (step%2 == 0):#取模
        #因为图片中的地址是换行的，一个地址两行，所以用2取模拼接。
        final_address = ("%s%s"%(text2_list[step-2],text2_list[step-1]))
        #识别的内容，每个字中间都有个空格，先空格分割成list
        final_address = final_address.split(" ")
        #再空格链接list成员，并替换'\'
        final_address = ''.join(final_address).replace('\\','')
        #调用函数获取距离
        fast = map_range.geocode('深圳市龙岗区龙岗街道新生社区水岸新都', final_address)
        print("%s%s%f"%(final_address,' 离家（公里）：', fast))

结果：

请添加图片描述

验证

深圳市龙岗区龙城街道欣景路110号离家（公里）：3.673851
深圳市龙岗区平湖辅城坳岐岭村离家（公里）：18.073649
深圳市龙岗区模股街道六约牛始埃村离家（公里）：15.474865
深圳市龙围区龙岗街道南联村龙河路离家（公里）：3.203417
深圳市龙岗区横岗街道六约麻地街33号离家（公里）：15.760627
深圳市龙岗区龙城街道盛平中路12号离家（公里）：2.852333
深圳市龙岗区横岗街道六约填坑村离家（公里）：14.530893
深圳市龙岗区龙城街道新丰路107号离家（公里）：7.826566
深圳市龙岗区坪地街道坪西告祥一路67号离家（公里）：4.608898
深圳市龙岗区龙岗街道南联根物园路320号离家（公里）：4.037268
深圳市龙岗区平湖街道平龙西路100号离家（公里）：18.027805

高德地图验证，误差在1~2公里。还是具有参考价值的。哈哈