ocr python opencv_如何使用（opencv/python）来实现OCR处

今天我们来介绍一下如何使用(opencv/python)来实现OCR处理银行票据。文末有代码和相关文档下载！

在第一部分中，我们将讨论两个主题：

1.首先，我们将了解MICR E-13B字体，美国，英国，加拿大等国家用于支票上都是使用的这种字体。

2.其次，我们将讨论如何从MICR E-13B参考图像中提取数字和符号。这将使我们能够提取每个字符的ROI，然后将其用于OCR银行支票。

MICR E-13B 字体：

MICR(磁墨字符识别)是处理文件的金融工业技术。

MICR的E-13B变体包含14个字符：

·数字：数字0-9。

·过境：银行分行分隔。

·金额：交易金额分隔符。

·在我们：客户帐号分隔符。

·dash：数字分隔符(例如路由和帐号之间)。

银行支票字符识别看起来更难：

在银行支票上使用的MICR E-13B字体中，数字有一个轮廓。但是，控制符号对于每个角色具有三个轮廓，使任务稍微更具挑战性。我们不能使用简单的轮廓和边框方法。相反，我们需要设计自己的方法来可靠地提取数字和符号。

用OpenCV提取MICR数字和符号：

创建一个新的文件，命名为bank_check_ocr.py，并插入以下代码：

# import the necessary packagesfrom skimage.segmentation import clear_border

首先我们先导入各种我们需要的包，以确保程序的正确运行

·OpenCV：从此页面选择适合您系统的安装版本。

·scikit-image：这是通过pip安装的，pip install-Uscikit-image

·numpy ：通过 pip install numpy。

·imutils：这是可以通过 pip 安装:pip install--upgrade imutils。

接着我们来构建一个从MICR字体中提取字符的函数：

def extract_digits_and_symbols(image, charCnts, minW=5, minH=15):

对于初学者，我们的功能需要4个参数：

·image：MICR E-13B字体图像(代码下载中提供)。

·charCnts：包含参考图像中的字符轮廓的列表。

·minW：表示最小字符宽度的可选参数。默认值为5像素宽度。

·minH：最小字符高度。默认值为15像素。

接着我们初始化我们的charCnts列表的迭代器。列表对象本质上是“可迭代的”，意味着__iter__方法是由生成器完成的。

最后初始化空列表以保存我们的rois(感兴趣的区域)和loc(ROI位置)。我们将在函数结尾的一个元组中返回这些列表。

我们开始循环，看一下迭代器的工作原理：

while True:

在我们的函数中，我们开始一个无限循环，我们的退出条件是当我们捕获StopIterator异常时。为了捕获这个异常，我们需要设置try-catch块。对于循环的每次迭代，我们通过调用next(charIter)来获取下一个字符轮廓。从这个函数调用，我们可以提取矩形的(x，y)坐标和宽度/高度。接着我们初始化一个roi，我们将在短时间内存储字符图像。

接下来，我们将检查我们的边框宽度和高度的大小，并采取相应的措施：

if cW