文档扫描OCR识别-1(python)
工具包导入
import numpy as np
import cv2
1
2
函数设定
# 四边形坐标求解
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
# 获取输入坐标点
def four_point_transform(image, pts):
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 透视变换 -- 二维升三维再降维 齐次坐标 : 用 N+1 维来代表 N 维坐标 [kx,ky,k]
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/receipt.jpg')
1
边缘检测
ratio = image.shape[0] / 500.0
# image.shape[0], 图片垂直尺寸
# image.shape[1], 图片水平尺寸
# image.shape[2], 图片通道数
orig = image.copy()
image = resize(orig, height=500) # 等比例缩放
# 预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0) # 去除噪音点
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()
获取轮廓
# 轮廓检测
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5] # 选取前五个 , 最大的轮廓
# 遍历轮廓
for c in cnts:
# 计算轮廓近似
peri = cv2.arcLength(c, True) # retval=cv.arcLength(curve, closed) retval 返回值,轮廓的周长 closed 曲线是是否闭合
# 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,外汇跟单gendan5.com它是一个准确度参数
# True 表示封闭的
approx = cv2.approxPolyDP(c, 0.02 * peri, True) # 轮廓 , 轮廓精度 , 越小可能是多边形 , 越大可能是矩形
# 4 个点的时候就拿出来
if len(approx) == 4:
screenCnt = approx
# print(screenCnt) # 四个点的坐标
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
# 透视变换
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]
cv2.imwrite('scan.jpg', ref)
# 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)
文档扫描OCR识别-1(python)相关推荐
- 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 ...
- 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 ...
- 文档扫描OCR识别_积累
opecncv和python的积累 cv2.resize() 功能:对图像尺寸调整为指定大小 dst = cv2.resize(src, dsize, interpolation=None) 各参数释 ...
最新文章
- C++ STL容器总结之vector(超详细版)
- ZooKeeper: 简介, 配置及运维指南
- SpringBoot 无法显示html文件 找不到html文件 如果显示html文件
- Web应用开发平台 OpenJWeb
- 论文中的一些数学符号表示
- 解决“‘pip‘ 不是内部或外部命令,也不是可运行的程序或批处理文件“的问题
- C语言之数据类型,C语言之数据类型
- java 车牌号正则_最新车牌号码(包括新能源车牌)正则表达式
- 《家财通》普及版序列号
- nx零件库插件_3DSource企业自定义零件库插件
- HDMI设计9--Video Mixer IP
- dw中html是什么,dw中的css是什么意思?
- uni-app 中使用外部第三方字体(非字体图标)
- Vue运行环境及淘宝镜像(cnpm命令)安装
- FusionGAN解读2:跑起来
- 机器学习 深度学习 EM算法 深度解析
- iPhone删除的照片能恢复吗?苹果手机照片怎么恢复
- python excel处理重复行并统计个数_python统计一个文本中重复行数的方法
- 50+ Best Unity Assets: Shader, Editor Extensions, Level Editors, Models, Terrain
- android RemoteViews用法
热门文章
- python实现链表反转_反转链表(Python)
- el-table 树形表格 自定义展开图标_耍好控件 | 产品图标体系是如何炼成的?
- 正弦定理和余弦定理_苏州市高一数学(正弦定理与余弦定理)线上教育学案
- 深度学习-Tensorflow2.2-图像处理{10}-UNET图像语义分割模型-24
- php 设计五子棋游戏,基于js+canvas实现五子棋小游戏
- 前后台传参类型、格式不同,解决思路
- 在 Unity 中基于 Oculus DK1 的开发
- 设计模式理解(二)创建型——单例、原型
- 无法激活安全认证服务
- debian linux 安装smb 配置