opencv+python机读卡识别(四)百度API进行数字识别

第一部分预处理:https://my.oschina.net/u/3268732/blog/1236298

第二部分图像切割:https://my.oschina.net/u/3268732/blog/1236344

第三部分选择题识别:https://my.oschina.net/u/3268732/blog/1237819

1.对数字图像部分进行处理 预处理部分同样需要,步骤与选择题模块相似,但目的不同,文字部分主要将数字变粗,便于识别。其实也就是和选择题模块相比变了几个参数

NumImg=cv2.blur(thresh,(15,15))
NumImg=cv2.threshold(NumImg, 170, 255, cv2.THRESH_BINARY)[1]

数字部分预处理

2.调用百度ocr api 试过多种检测方式,还是用别人家现成的好http://apistore.baidu.com/ 百度api使用方法: 首先需要注册一个百度云账号,这样在个人中心里就会看到apikey。这个就是和百度进行交流的钥匙。然后找到百度ocr的入口找到接口地址。虽然这里给出了但还是可以看下文档,里面有些细节,比如图片想免费就要300k以内。上面给的python示例代码是py2的,这里给出py3的方式(http://apis.baidu.com/idl_baidu/baiduocrpay/idlocrpaid)

import sys, urllib, json
import urllib.request
import urllib.parse
import base64
url = 'http://apis.baidu.com/idl_baidu/ocridcard/ocridcard'

data = {}
data['fromdevice'] = "pc"
data['clientip'] = "10.10.10.0"
data['detecttype'] = "LocateRecognize"
data['languagetype'] = "ENG"#英文模式
data['imagetype'] = "1"
#图片在本地

file_object = open('T.png','rb')
try:
     img = file_object.read( )
finally:
     file_object.close( )
data['image'] =base64.b64encode(img)


decoded_data = urllib.parse.urlencode(data)
decoded_data = decoded_data.encode('utf-8')

req = urllib.request.Request(url,decoded_data)

req.add_header("Content-Type", "application/x-www-form-urlencoded")
req.add_header("apikey", "这里填入个人中心的apikey") 

resp = urllib.request.urlopen(req)
content = resp.read()
if(content):
    content = json.loads(content.decode())
    print(content)

3.切割图片 根据具体情况需要切割图片才能让百度api识别,具体限制因素还是图片大小,切割方式,这里只给出示例

#切割具体位置[起始y:终止y,起始x:终止y]
tempimg1=img[240:461,213:939]
#图片切割,width,height分别填入目标宽高
tempimg1 = cv2.resize(tempimg1, (width, height), cv2.INTER_LANCZOS4)
#图片保存,png,jpg格式均可
 cv2.imwrite("T.png", tempimg1)

之后调用,若识别为英文需要转化,比如可能将0识别为D,这时转换即可,如:

def temp(char):
    if(char=='D'):
        return '0'

效果如图展示 数字识别样例 当然若是能想办法去掉答题卡外围边框效果应该会更好……

转载于:https://my.oschina.net/DDigimon/blog/1239954

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现数字识别的整个过程可以分为以下几步: 1. 使用ESP32-CAM采集图像并通过WiFi将图像传输到计算。 2. 在计算上使用PythonOpenCV对图像进行处理,包括二值化、轮廓检测、字符分割等。 3. 对每个字符进行数字识别,可以使用深度学习算法(如卷积神经网络)或传统器学习算法(如支持向量)。 4. 将识别结果返回给ESP32-CAM,可以通过串口或WiFi等方式将结果传输回ESP32-CAM。 下面是一个简单的示例代码,演示如何使用ESP32-CAM、PythonOpenCV实现数字识别: ```python import cv2 import numpy as np import requests import json # ESP32-CAM的IP地址和端口号 ip = '192.168.1.100' port = '80' # 发送HTTP请求获取图像 url = 'http://' + ip + ':' + port + '/capture' response = requests.get(url) img_array = np.array(bytearray(response.content), dtype=np.uint8) img = cv2.imdecode(img_array, cv2.IMREAD_COLOR) # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 对图像进行二值化处理 ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 对图像进行膨胀操作,使字符区域更加连通 kernel = np.ones((3, 3), np.uint8) dilation = cv2.dilate(thresh, kernel, iterations=1) # 查找图像中的轮廓 contours, hierarchy = cv2.findContours(dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 对每个轮廓进行字符分割和数字识别 digits = [] for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) if w > 10 and h > 10: roi = thresh[y:y+h, x:x+w] roi = cv2.resize(roi, (28, 28)) roi = roi.reshape((1, 28, 28, 1)).astype('float32') / 255.0 # 发送HTTP请求进行数字识别 data = json.dumps({'inputs': roi.tolist()}) headers = {'content-type': 'application/json'} url = 'http://' + ip + ':' + port + '/predict' response = requests.post(url, data=data, headers=headers) result = json.loads(response.text)['outputs'] digit = np.argmax(result) digits.append(digit) # 将识别结果返回给ESP32-CAM data = json.dumps({'digits': digits}) headers = {'content-type': 'application/json'} url = 'http://' + ip + ':' + port + '/result' response = requests.post(url, data=data, headers=headers) ``` 在这个示例中,我们通过发送HTTP请求获取ESP32-CAM采集的图像,并在计算上使用OpenCV对图像进行处理。我们首先将图像转换为灰度图像,然后对图像进行二值化处理,使字符区域变为黑色,背景变为白色。接着对图像进行膨胀操作,使字符区域更加连通。然后查找图像中的轮廓,对每个轮廓进行字符分割和数字识别。我们使用Keras框架训练了一个卷积神经网络模型,用于数字识别。最后将识别结果通过HTTP请求返回给ESP32-CAM。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值