# 导入工具包
import numpy as np
import argparse
import cv2

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)(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([# 目标点[0, 0],[maxWidth - 1, 0],# 防止出错,-1[maxWidth - 1, maxHeight - 1],[0, maxHeight - 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)print("M.shape:",M.shape)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 imageif width is None:# 无w有h时r = height / float(h)# 新h与旧h的比例为rdim = (int(w * r), height)# 让w也乘以这个比例,得到新welse:r = width / float(w)dim = (width, int(h * r))resized = cv2.resize(image, dim, interpolation=inter)return resized

if __name__ == "__main__":# 读取输入image = cv2.imread("receipt.jpg")# resize 坐标也会相同变化ratio = image.shape[0] / 500.0orig = 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)# 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)[1]# 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：\n",approx)print("approx.shape",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 3: 变换")cv2.imshow("Original", resize(orig, height = 650))cv2.imshow("Scanned", resize(ref, height = 650))cv2.waitKey(0)

安装工具包

https://digi.bib.uni-mannheim.de/tesseract/
配置环境变量如E:\Program Files (x86)\Tesseract-OCR
tesseract -v进行测试
tesseract XXX.png 得到结果
pip install pytesseract
anaconda lib site-packges pytesseract pytesseract.py
tesseract_cmd 修改为绝对路径即可


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)

OpenCV-文档扫描OCR识别-04相关推荐

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 ...
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. ...
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 ...
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 ...
【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 ...
文档扫描OCR识别的安装
步骤先下载tesseract,选择一个版本即可 tesseract地址如果C盘有限,可以将默认的地址C盘改为D盘即可例如: D:\Program Files \Tesseract-OCR wind ...

OpenCV-文档扫描OCR识别-04

安装工具包

OpenCV-文档扫描OCR识别-04相关推荐

最新文章

热门文章