唐宇迪OCR檢測文檔

• 邊緣檢測
• 獲取輪廓
• 透視變換
• ocr識別

本文主要是學習唐宇迪ocr檢測圖片的工具和步驟

邊緣檢測

讀取圖片（要備份）并求出圖片比例，按照一定比例變換原圖大小。

image = cv2.imread(args["image"]) #坐標也會相同變化 ratio = image.shape[0] / 500.0 orig = image.copy()image = resize(orig, height = 500)

常見的預處理操作，彩圖轉化為灰度圖，（高斯）濾波操作，（Canny）邊緣檢測

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) gray = cv2.GaussianBlur(gray, (5, 5), 0) edged = cv2.Canny(gray, 75, 200)

獲取輪廓

畫出輪廓，給輪廓按照面積大小排序，找到需要的前五個輪廓

cnts, hierarchy= cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE) cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]

找到具有規則形狀的輪廓

for c in cnts:# 計算輪廓近似peri = cv2.arcLength(c, True)# C表示輸入的點集# epsilon表示從原始輪廓到近似輪廓的最大距離，它是一個準確度參數# True表示封閉的approx = cv2.approxPolyDP(c, 0.02 * peri, True)# 4個點的時候就拿出來if len(approx) == 4:screenCnt = approxbreak

這兒所謂具有規則形狀的輪廓，必須要求有4個頂點，不一定是矩形。
cv2.arcLength(c, True) 求的是輪廓周長
cv2.approxPolyDP(c, 0.02 * peri, True) 按照算法將輪廓填充完整，0.02 * peri是精度

將獲取的輪廓在原圖畫出來（已經改變了原圖）

cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)

透視變換

把圖片拉正，變為一個規整的矩形,第二個參數把變換后的輪廓的坐標點放大為原來的大小

warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)

透視變換的具體代碼如下

def four_point_transform(image,pts):rect = order_points(pts)(tl,tr,br,bl) = rect# 計算輸入的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))# 變換后對應坐標位置dst = np.array([[0, 0],[maxWidth - 1, 0],[maxWidth - 1, maxHeight - 1],[0, maxHeight - 1]], dtype="float32")# 計算變換矩陣M = cv2.getPerspectiveTransform(rect, dst)warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))# 返回變換后結果return warped

先求出輪廓坐標連線的歐氏距離，取長和寬的最大值為一個矩形標準，再求出變換矩陣M，把原來的四邊形變換到矩形標準框內。

對透視變換的圖重新進行灰度轉換，二值處理，保存到本地，供ocr工具進行識別

warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY) ref = cv2.threshold(warped, 100, 255, cv2.THRESH_BINARY)[1] cv2.imwrite('scan.jpg', ref)

總結一下，第一次灰度轉換+濾波+邊緣檢測是為了求出輪廓，從而進行坐標點定位，第二次灰度轉換+二值處理是為了得到對比度更鮮明的圖片，方便ocr工具識別。

ocr識別

# https://digi.bib.uni-mannheim.de/tesseract/ # 配置環境變量如E:\Program Files (x86)\Tesseract-OCR # tesseract -v進行測試 # tesseract XXX.png 得到結果 # pip install pytesseract # anaconda lib site-packges pytesseract pytesseract.py # tesseract_cmd 修改為絕對路徑即可 from PIL import Image import pytesseract import cv2 import ospreprocess = 'blur' #threshimage = cv2.imread('scan.jpg') gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)if preprocess == "thresh":gray = cv2.threshold(gray, 0, 255,cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]if preprocess == "blur":gray = cv2.medianBlur(gray, 3)filename = "{}.png".format(os.getpid()) cv2.imwrite(filename, gray)text = pytesseract.image_to_string(Image.open(filename)) print(text) os.remove(filename)cv2.imshow("Image", image) cv2.imshow("Output", gray) cv2.waitKey(0)

對圖片進行中值濾波，濾掉噪點，ocr將識別結果打印到控制臺。

總結

以上是生活随笔為你收集整理的唐宇迪ocr检测图片的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。