|
微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识 - Python3.6.5- OpenCV-Python 4.x- Tesseract-OCR 5.0.0-alpha.20201127- Win10 64 安装Python SDK选择默认安装，同时勾选最下面得红色矩形框内容。 安装opencv-python开发包 pip install opencv-python 安装Tesseract-OCR Python SDK支持 pip install pytesseract 下载Tesseract-OCR 5.0.0-alpha.20201127安装包并安装！然后在环境变量中添加 C:\Program Files\Tesseract-OCR 安装与配置好OpenCV-Python与Tesseract-OCR之后，需要进一步通过代码验证正确性。打开Pycharm IDE，新建一个python项目与python文件，输入以下代码 import pytesseract as tessprint(tess.get_tesseract_version())print(tess.get_languages()) 运行结果如下： 第一行是版本信息，第二行是支持的语言信息，默认只支持英文。 开源的OCR识别引擎，高版本识别基于LSTM，其整个处理流程如下： 检测与识别文本函数： 检测： def image_to_boxes( image, lang=None, config='', nice=0, output_type=Output.STRING, timeout=0,) 返回所有识别文字的Box框坐标，每一行为一个BOX信息输出 每行的前五个值分别是，识别的字符、BOX框的左上角与右下角坐标 识别 def image_to_string( image, lang=None, config='', nice=0, output_type=Output.STRING, timeout=0,) 输入的图像通道顺序是RGB，OpenCV默认为BGR，返回的是识别结果 必输入的参数是image，其它可选 Tesseract-OCR默认支持英文与数字识别，有输入图像如下： Python代码如下： image = cv.imread("D:/cv4j.png")image_rgb = cv.cvtColor(image, cv.COLOR_BGR2RGB)text = tess.image_to_string(image_rgb, lang="eng")content = text.replace("\f", "").split("\n")for c in content: if len(c) > 0: print(c)h, w, c = image.shapeboxes = tess.image_to_boxes(image)for b in boxes.splitlines(): b = b.split(' ') image = cv.rectangle(image, (int(b[1]), h - int(b[2])), (int(b[3]), h - int(b[4])), (0, 255, 0), 2)cv.imshow('text detect', image)cv.waitKey(0)cv.destroyAllWindows()运行结果如下： 默认情况下Tesseract-OCR不支持中文识别，需要下载中文识别的模型文件，然后放置到安装路径的tessdata目录下： C:\Program Files\Tesseract-OCR\tessdata 然后在运行语言检查支持代码，运行结果如下： 其中chi_sim表示中文简体支持，eng表示英文支持！ 以下图为例： 识别代码 image = cv.imread("D:/yanxishe.png")image_rgb = cv.cvtColor(image, cv.COLOR_BGR2RGB)text = tess.image_to_string(image_rgb, lang="chi_sim")print(text)h, w, c = image.shapeboxes = tess.image_to_boxes(image)for b in boxes.splitlines(): b = b.split(' ') image = cv.rectangle(image, (int(b[1]), h - int(b[2])), (int(b[3]), h - int(b[4])), (0, 255, 0), 2)cv.imshow('text detect', image)cv.waitKey(0)cv.destroyAllWindows()运行结果 正确率还不错，需要进一步处理一下，直接放大两倍，然后再测试一波 发现错误识别大大减少，基本可用！ 总结一下：使用OpenCV预处理可以大大降低Tesserct-OCR的误识别率！ 直接识别原图，发现图像上的灰度文字被忽视，无法识别！ 君子藏器于身，待时而动 推荐阅读 免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ |
下一主题
