【转载】项目实战—文档扫描OCR识别（十三）

最新推荐文章于 2024-04-22 16:07:30 发布
最新推荐文章于 2024-04-22 16:07:30 发布
阅读量644 收藏 5
点赞数
分类专栏： OpenCV+Python计算机视觉导学 文章标签： python opencv 计算机视觉 机器学习
原文链接：http://forum.eepw.com.cn/thread/340671/1
版权

这次我们将使用OCR进行实战。

我们将使用示例图片：
在这里插入图片描述

首先我们需要安装tesserocr

在Windows下安装tessocr，首先需要下载tesseract，它为tesserocr提供了支持。

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

进入下载页面，可以看到有各种.exe文件的下载列表：
在这里插入图片描述
其中文件名中带有dev的为开发版本，不带dev的为稳定版本，可以选择下载不带dev的版本，需要安装 “tesseract-ocr-w64-setup-v4.0.0-beta.1.20180608.exe”，因为要与 tesserocr-2.2.2 匹配。

下载完成后双击，一路next：
在这里插入图片描述

此时可以勾选Additional language data(download)选项来安装OCR识别支持的语言包，这样OCR便可以识别多国语言。然后一路点击Next按钮即可。

去系统环境变量Path里添加OCR的环境变量如E:\Program Files (x86)\Tesseract-OCR

接下来，再安装tesserocr即可，此时直接使用pip安装：

pip install pytesseract

检测流程：

边缘检测 -> 获得轮廓 -> ****变换(即放平，包括平移旋转反转等) -> OCR识别。

这些原理我们之前都讲过，就不在过多阐述了。

边缘检测

view plaincopy to clipboardprint?
if __name__ == "__main__":  
      # 读取输入  
      image = cv2.imread(args["image"])  
      # resize 坐标也会相同变化  
      ratio = image.shape[0] / 500.0  
      orig = image.copy()  
   
      image = resize(orig, height = 500) # 同比例变化：h指定500,w也会跟着变化  
   
      # 预处理  
      gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  
      gray = cv2.GaussianBlur(gray, (5, 5), 0)  
      edged = cv2.Canny(gray, 75, 200)  # 边缘检测  
   
      # 展示预处理结果  
      print("STEP 1: 边缘检测")  
      cv2.imshow("Image", image)  
      cv2.imshow("Edged", edged)  
      cv2.waitKey(0)  
      cv2.destroyAllWindows()

在这里插入图片描述

获得轮廓

view plaincopy to clipboardprint?
   # 轮廓检测  
      cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]  
      # cnts中可检测到许多个轮廓,取前5个最大面积的轮廓  
      cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]  
   
      # 遍历轮廓  
      for c in cnts: # C表示输入的点集  
             # 计算轮廓近似  
             peri = cv2.arcLength(c, True)  
             # epsilon表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数  
             # True表示封闭的  
             approx = cv2.approxPolyDP(c, 0.02 * peri, True)  
             print(approx,approx.shape)  
             # 4个点的时候就拿出来,screenCnt是这4个点的坐标  
             if len(approx) == 4:   # 近似轮廓得到4个点,意味着可能得到的是矩形  
                    screenCnt = approx    # 并且最大的那个轮廓是很有可能图像的最大外围  
                    break  
   
      # 展示结果  
      print("STEP 2: 获取轮廓")  
      cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)  
      cv2.imshow("Outline", image)  
      cv2.waitKey(0)  
      cv2.destroyAllWindows()

在这里插入图片描述

****变换

view plaincopy to clipboardprint?
    # ****变换  
      # 4个点的坐标 即4个(x,y),故reshape(4,2)  
      # 坐标是在变换后的图上得到,要还原到原始的原图上,需要用到ratio  
      print(screenCnt.shape)  
      warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)  
同一个py文件中，在main函数前，****变换函数 four_point_transform：  
def order_points(pts):  
      # 初始化4个坐标点的矩阵  
      rect = np.zeros((4, 2), dtype = "float32")  
   
      # 按顺序找到对应坐标0123分别是 左上，右上，右下，左下  
      # 计算左上，右下  
      print("pts :\n ",pts)  
      s = pts.sum(axis = 1)         # 沿着指定轴计算第N维的总和  
      print("s : \n",s)  
      rect[0] = pts[np.argmin(s)]       # 即pts[1]  
      rect[2] = pts[np.argmax(s)]      # 即pts[3]  
      print("第一次rect : \n",rect)  
      # 计算右上和左下  
      diff = np.diff(pts, axis = 1)      # 沿着指定轴计算第N维的离散差值  
      print("diff : \n",diff)  
      rect[1] = pts[np.argmin(diff)]   # 即pts[0]  
      rect[3] = pts[np.argmax(diff)]  # 即pts[2]  
      print("第二次rect :\n ",rect)  
      return rect  
   
def four_point_transform(image, pts):  
      # 获取输入坐标点  
      rect = order_points(pts)  
      (A, B, C, D) = rect  
      # (tl, tr, br, bl) = rect  
   
      # 计算输入的w和h值  
      w1 = np.sqrt(((C[0] - D[0]) ** 2) + ((C[1] - D[1]) ** 2))  
      w2 = np.sqrt(((B[0] - A[0]) ** 2) + ((B[1] - A[1]) ** 2))  
      w = max(int(w1), int(w2))  
   
      h1 = np.sqrt(((B[0] - C[0]) ** 2) + ((B[1] - C[1]) ** 2))  
      h2 = np.sqrt(((A[0] - D[0]) ** 2) + ((A[1] - D[1]) ** 2))  
      h = max(int(h1), int(h2))  
   
      # 变换后对应坐标位置  
      dst = np.array([    # 目标点  
             [0, 0],  
             [w - 1, 0],     # 防止出错,-1  
             [w - 1, h - 1],  
             [0, h - 1]], dtype = "float32")  
   
      # 计算变换矩阵       (平移+旋转+翻转),其中  
      M = cv2.getPerspectiveTransform(rect, dst)       # (原坐标,目标坐标)  
      print(M,M.shape)  
      warped = cv2.warpPerspective(image, M, (w, h))  
   
      # 返回变换后结果  
      return warped

在这里插入图片描述

接下来可以直接进行识别了，我们来看所有的代码：

view plaincopy to clipboardprint?
#   导入工具包  
 import numpy as np  
 import argparse  
 import cv2  
 import pytesseract  
 from PIL import Image  
   
   
 def order_points(pts):  
    #   一共  4  个坐标点  
    rect = np.zeros((4, 2), dtype = "float32")  
   
    #   按顺序找到对应坐标  0123  分别是  左上，右上，右下，左下  
    #   计算左上，右下  
    s = pts.sum(axis = 1)  
    rect[0] = pts[np.argmin(s)]  
    rect[2] = pts[np.argmax(s)]  
   
    #   计算右上和左下  
    diff = np.diff(pts, axis = 1)  
    rect[1] = pts[np.argmin(diff)]  
    rect[3] = pts[np.argmax(diff)]  
   
    return rect  
   
 def four_point_transform(image, pts):  
    #   获取输入坐标点  
    rect = order_points(pts)  
    (tl, tr, br, bl) = rect  
   
    #   计算输入的  w  和  h  值  
    widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))  
    widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))  
    maxWidth = max(int(widthA), int(widthB))  
   
    heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))  
    heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))  
    maxHeight = max(int(heightA), int(heightB))  
   
    #   变换后对应坐标位置  
    dst = np.array([  
       [0, 0],  
       [maxWidth - 1, 0],  
       [maxWidth - 1, maxHeight - 1],  
       [0, maxHeight - 1]], dtype = "float32")  
   
    #   计算变换矩阵  
    M = cv2.getPerspectiveTransform(rect, dst)  
    warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))  
   
    #   返回变换后结果  
    return warped  
   
 def resize(image, width=None, height=None, inter=cv2.INTER_AREA):  
    dim = None  
    (h, w) = image.shape[:2]  
    if width is None and height is None:  
       return image  
    if width is None:  
       r = height / float(h)  
       dim = (int(w * r), height)  
    else:  
       r = width / float(w)  
       dim = (width, int(h * r))  
    resized = cv2.resize(image, dim, interpolation=inter)  
    return resized  
   
 #   读取输入  
 image = cv2.imread("images/page.jpg")  
 #  坐标也会相同变化  
 ratio = image.shape[0] / 500.0  
 orig = image.copy()  
   
   
 image = resize(orig, height = 500)  
   
 #   预处理  
 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  
 gray = cv2.GaussianBlur(gray, (5, 5), 0)  
 edged = cv2.Canny(gray, 75, 200)  
   
 #   展示预处理结果  
 print("STEP 1:   边缘检测  ")  
 cv2.imshow("Image", image)  
 cv2.imshow("Edged", edged)  
 cv2.waitKey(0)  
 cv2.destroyAllWindows()  
   
 #   轮廓检测  
 cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]  
 cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]  
   
 #   遍历轮廓  
 for c in cnts:  
    #   计算轮廓近似  
    peri = cv2.arcLength(c, True)  
    # C  表示输入的点集  
    # epsilon  表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数  
    # True  表示封闭的  
    approx = cv2.approxPolyDP(c, 0.02 * peri, True)  
   
    # 4  个点的时候就拿出来  
    if len(approx) == 4:  
       screenCnt = approx  
       break  
   
 #   展示结果  
 print("STEP 2:   获取轮廓  ")  
 cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)  
 cv2.imshow("Outline", image)  
 cv2.waitKey(0)  
 cv2.destroyAllWindows()  
   
 #   ****变换  
 warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)  
   
 #   二值处理  
 warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)  
 ref = cv2.threshold(warped, 100, 255, cv2.THRESH_BINARY)[1]  
 #   展示结果  
 print("STEP 3:   变换  ")  
 text = pytesseract.image_to_string(ref)  
 print(text)  
 cv2.imshow("Original", resize(orig, height = 650))  
 cv2.imshow("Scanned", resize(ref, height = 650))  
 cv2.waitKey(0)

可以看到最终的OCR识别结果：
在这里插入图片描述
查看文章汇总页https://blog.csdn.net/weixin_44237705/article/details/107864965
更多openvino技术信息可以入群交流~
申请备注：CSDN
在这里插入图片描述

OpenVINO生态社区
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV-Python教程（11、轮廓检测）
sunny2038的专栏
10-30 19万+
相比C++而言，Python适合做原型。本系列的文章介绍如何在Python中用OpenCV图形库，以及与C++调用相应OpenCV函数的不同之处。这篇文章介绍在Python中使用OpenCV的检测并绘制轮廓。
实战项目—文档扫描OCR识别
06-08
实战项目—文档扫描OCR识别
Opencv计算机视觉实战(Python版)
01-22
Opencv计算机视觉实战课程旨在帮助大家快速掌握机器视觉领域必备知识点原理及其在Opencv中的使用方法。课程风格通俗易懂，用最接地气的方式来讲解晦涩难懂的知识点。整体设计以项目实战来驱动学习，课程中所有代码均使用Python完成，在实战中首先讲解整体解决方案，接下来通过Debug模式来一步步分析每一行代码的作用及其完成的效果，提供全部课件及项目中所使用代码和数据。
cv2.drawContours(img, [screenCnt], -1, (0, 0, 255), 2)报错screenCnt未定义
ZTH1208的博客
09-06 323
File "D:\新建文件夹\PyCharm Community Edition 2023.2\test.txt.py", line 101, in <module>
opencv图像处理—项目实战：文档扫描OCR识别
weixin_58176527的博客
06-16 4372
目录1.边缘检测 2.获取轮廓3.变换 4.tesseract-OCR安装配置5.使用pycharm运行检测 1.边缘检测 输入图片 边缘检测结果 下载地址：Index of /tesseract 先保存一张teacher.png图片然后在cmd中输入 tesseract teacher.png result可以在同文件目录下找到result文本找到pytesseract .py文件；我的路径在E:\Anaco...
边缘检测--轮廓提取--透视变换实战
Ei_65535的博客
08-16 1161
跟着唐宇迪大佬学习特征提取过程突发灵感，先是学习实现原理，后是实战调试，感慨颇丰，以下为个人的学习过程记录，有误还请大佬指出，相互学习~
openvino系列 15. OpenVINO OCR
破浪会有时的博客
05-13 912
此案例主要解释如何使用 OpenVINO OCR 模型进行字体检测（detection）和识别（recognition）。 - 字体检测（detection）任务对应模型：[horizontal-text-detection-0001] - 字体识别（recognition）任务对应模型：[text-recognition-0014]
OpenCV实践小项目(二) -文档ocr扫描识别
Miracle8070
03-31 3057
1. 写在前面 今天整理OpenCV入门的第二个实战小项目， 前一篇文章是信用卡数字识别， 主要运用了OpenCV基础图像处理操作里面的轮廓检测， 边缘检测，形态学操作， 今天的这个项目叫做文档ocr扫描识别，就是给定一个文档的图片，然后识别文档上的文字信息，这个在生活中也是非常常见的哟。 比如试卷扫描，文章扫描等等吧，其实原理都非常类似。 下面是给定了一个随意拍摄的购物小票的图片， 然后通过一顿图片处理等操作，得到的ocr扫描结果： 由于这个截图我进行了放缩，导致右边这个图片人眼看不太清楚字了，但是基本
项目实战-文档扫描OCR识别 带视频讲解
10-18
1-整体流程演示 2-文档轮廓提取 3-原始与变换坐标计算 4-透视变换结果 5-tesseract-ocr安装配置 6-文档扫描识别效果 课件源码
02项目实战-文档扫描OCR识别.rar
06-12
项目实战-文档扫描OCR识别
第十章：项目实战-文档扫描OCR识别,ocr识别pdf,Python
05-31
使用opencv+python的方法实现文档扫描OCR识别
机器学习：项目实战-文档扫描OCR识别.zip
05-31
机器学习：项目实战-文档扫描OCR识别.zip
Opencv学习笔记（五）实战项目：图片的OCR识别
胡乱学点东西
02-27 543
对图片进行预处理、透视变换，安装tesseract-ocr后导入pytesseract模块对图片进行识别
【Opencv】基于python-opencv的CV2实现图片OCR前的扫描摆正OCR识别【代码实现】
EchoooZhang的博客
03-29 5154
基于python-opencv的CV2实现图片OCR前的扫描摆正OCR识别【代码实现】实验目的代码实现预处理（注意Resize图像）轮廓检测（找到矩形）透视变换（摆正图像）OCR识别文字实验结果发票图片自己随便拍的图片 实验目的 本实验的目的主要是实现诸如发票，pdf扫描成的图片，如何可以实现找到发票（这里都用发票指代了）外轮廓，把桌面等信息消除，直接将发票清晰摆正呈现，方便后续的OCR识别。 2...
python opencv报drawContours '(-215) npoints > 0'
修炼之路
11-28 1万+
在使用opencv的drawContours方法来绘制图片某个边缘的轮廓的时候报drawContours '(-215) npoints > 0' 绘制的代码如下 cv2.drawContours(clip_img, [points_array], -1, (0, 255, 0), 1) 我们先输出看看points_array的数据信息 [[207 47] [230 47]...
cv2.drawContours
热门推荐
weixin_36670529的博客
03-17 2万+
1.1什么是轮廓 轮廓可以简单认为成连续的点（连着边界）连在一起的曲线，具有相同的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。 为了准确，要使用二值化图像。需要进行阀值化处理或者Canny边界检测。 查找轮廓的函数会修改原始图像。如果之后想继续使用原始图像，应该将原始图像储存到其他变量中。 在OpenCV中，查找轮廓就像在黑色背景中超白色物体。你应该记住，要找的物体应该是白色而背景应该是黑色。 如何在一个二值图像中查找轮廓。 函数cv2.findContours()有三个参数，第一个是
使用python opencv透视变换getperspectiveTransform获得图像的鸟瞰图
Abc2149的博客
01-10 6980
  如何使用透视变换来获得图像的roi的自顶向下的鸟瞰图，首先要确定的是需要变换的参考点。   建立项目perTran.py， 代码如下： #! /usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import cv2 import imutils """ x小y小rect[0] x大y小rect[1] ...
opencv：图像轮廓检测 cv2.findContours() 与 cv2.drawContours()
weixin_40522801的博客
06-02 1万+
1cv2.findContours() OpenCV-Python接口中使用cv2.findContours()函数来查找检测物体的轮廓。 cv2.findContours(image, mode, method, contours=None, hierarchy=None, offset=None) 参数 描述 返回 image 寻找轮廓的图像，注意输入的图片必须为二值图片。若输入的图片为彩色图片，必须先进行灰度化和二值化 opencv2返回两个值：一个是轮.
【编译程序介绍】
最新发布
武帝为此的博客
04-22 1036
简单来说，编译程序是一个软件，它读取用某种编程语言编写的源代码，分析并转换成等效的、可执行的机器语言代码。这个过程涉及多个复杂的步骤，包括语法分析、语义分析、代码优化和代码生成等。
vue项目ocr识别
08-12
在Vue项目中进行OCR识别可以通过使用Tesseract.js库来实现。首先，在Vue项目中引入Tesseract.js库并安装依赖。然后，根据需要，可以通过调用摄像头或从本地文件夹获取证件照片，并将照片转换为base64格式。接下来，...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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