项目实战——文档扫描OCR识别
扫描全能王的实现,maybe
目录
一、文档扫描
1、引入所需要的库
2、图像的读取与预处理
读取图像
图像reszie,
图像灰度化、滤波、边缘检测。
3、轮廓检测
4、透视与二值变换
二、文字识别
一、文档扫描
文档扫描所实现的功能如下图所示,左侧为原始图像,右侧为扫描后的图像。
1、引入所需要的库
import numpy as np
import argparse
import cv2
import matplotlib.pyplot as pltdef cv_show(name, img):cv2.imshow(name, img)cv2.waitKey(0)cv2.destroyAllWindows()def plt_show(img):b, g, r = cv2.split(img)res = cv2.merge([r, g, b])plt.imshow(res)
2、图像的读取与预处理
原始项目的源码中使用了ArgumentParser对象编辑,在运行程序前还需要设置edit configuration中的Paramerter参数,在这里我们直接使用设定一字典。
# 设置args参数,这里我们直接用字典表示
args = {'image': 'images\\page.jpg'}
读取图像
# 读取输入
image = cv2.imread(args['image'])
plt_show(image)
图像reszie,
因为原图尺寸比较大,所以我们先将图片resize比较小的尺寸,在这里我们预设resize后的图片的height为500.
# 图像resize
ratio = image.shape[0] / 500.0
orig = image.copy()
image = resize(orig, height=500)
plt_show(image)
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 imageif width is None:r = height / float(h)dim = (int(w*r), height)else:r = width / float(w)dim = (wigth, int(h*r))resized = cv2.resize(image, dim, interpolation=inter)return resized
这里需要定义resize函数,这里遵循的原则就是进行等比例的resize
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 imageif width is None:r = height / float(h)dim = (int(w*r), height)else:r = width / float(w)dim = (wigth, int(h*r))resized = cv2.resize(image, dim, interpolation=inter)return resized
图像灰度化、滤波、边缘检测。
灰度化和滤波操作不必多说,进行边缘检测的目的是为下一步的轮廓检测做准备。
# 灰度化、滤波、边缘检测
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")
plt_show(image)plt.imshow(edged, cmap='gray')
3、轮廓检测
使用cv2.findContours()函数进行轮廓检测,并进行轮廓排序
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]
因为这些轮廓可能只是一些离散的点,或者是一些不规则图形,这里我们将轮廓近似为矩形
# 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# epslion表示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 = approxbreak
# 展示结果
print("STEP 2: 获取轮廓")
cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)
plt_show(image)
4、透视与二值变换
这里我们定义了four_point_transform()函数
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(两点之间的距离公式)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 warpeddef 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、左下diff = np.diff(pts, axis=1)rect[1] = pts[np.argmin(diff)]rect[3] = pts[np.argmax(diff)]return rect
# 透视变换
warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)
plt_show(warped)
二值处理
# 二值处理
warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)ref = cv2.threshold(warped, 100, 255, cv2.THRESH_BINARY)[1]
plt.imshow(warped, cmap='gray')
二、文字识别
使用tesseract-ocr进行文字识别,这个有时间再补充。
项目实战——文档扫描OCR识别相关推荐
- 【实战】OpenCV+Python项目实战--文档扫描OCR识别
文章目录 1 准备工作(python) 1.1 np.diff用法 1.2 tesseract和pytesseract安装 2代码实现 2.1 文档提取与摆正 2.2 OCR扫描 1 准备工作(pyt ...
- OpenCV计算机视觉实战(Python)| 10、项目实战:文档扫描OCR识别
文章目录 简介 总结 1. 介绍 2. 流程 3. 程序 4. 知识点总结 简介 本节为<OpenCV计算机视觉实战(Python)>版第10讲,项目实战:文档扫描OCR识别,的总结. 总 ...
- 文档扫描OCR识别-2
凯哥英语视频 文档扫描OCR识别-2 凯哥英语视频 1.现有资源梳理 2.实现方案规划 预处理 预测 3.代码实现 注意点 模型安装和其他 结语 1.现有资源梳理 文档扫描OCR识别-1 中处理好的图 ...
- opencv项目实战(2)——文档扫描OCR识别
文章目录 思路 文档扫描 代码 运行结果 文字识别 预处理 代码 运行结果 Debug 记录 思路 STEP 1: 边缘检测 STEP 2: 获取轮廓 STEP 3: 变换 文档扫描 代码 scan. ...
- 深入学习OpenCV文档扫描OCR识别及答题卡识别判卷(文档扫描,图像矫正,透视变换,OCR识别)
人工智能学习离不开实践的验证,推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛,以此来提升自己的能力.FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台.每周免费提供 ...
- 计算机视觉-OpenCV(文档扫描OCR识别)
一.边缘检测 二.获取轮廓 三.变换 四.OCR识别 import cv2 import numpy as np import argparse import pytesseract import o ...
- opencv项目实战(二)——文档扫描OCR识别
一.项目描述 二.代码详解 2.1 预定义参数 2.2 辅助函数 2.3 文档矫正 2.4 文档识别 三.项目完整代码 一.项目描述 目的 将图片中的文档矫正,并识别文档内容 输入与输出 方法流程 核 ...
- opencv图像处理—项目实战:文档扫描OCR识别
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 出现错误 1 出现错误2 出现错误3 出现问题4 完整代码 # 导入工具包 impo ...
- 计算机视觉项目-文档扫描OCR识别
最新文章
- 2017-1-25总结 主框架设计
- 计算机基础知识精品课程,计算机应用基础精品课
- sqoop/1.4.6/下载
- Parity Alternated Deletions
- 毕设开发总结-3D游戏框架及网络对战游戏的开发(1)
- python的缩进机制是其缺点之一_Python 的缩进是不是反人类的设计?
- 测试驱动开发 测试前移_测试驱动开发–双赢策略
- Zoom暂停中国个人用户注册,已免费注册用户仅限于加会使用
- python可以操作word吗_python实现在windows下操作word的方法
- NoSQL Manager for MongoDB 连接配置
- 免费python编程自学网站-想免费学生信?25个自学网站,任你选!
- cin java_java基础语法
- 计算机科学导论内容大纲,《计算机科学导论》大纲
- 【安全科普】AD域安全管理(一)
- 亚马逊便携式小空调冷风机英国站UKCA认证测试标准
- 百度地图中心点偏移-Javascript
- OfficeOnline和OpenOffice对比
- c语言中d的作用是什么,在C语言中c% 和 d% 是表示什么意思?
- 影响照片锐度的7个要素
- EasyExcel导出Excel指定属性列