检测文字方向

Question

如何检测图像中的文字方向？

如果方向是颠倒的（180度）也没关系。但如果文字线是垂直的（90度或270度），我需要将其旋转90度。

我希望没有OCR可能，因为在同一图像的4个不同方向上处理OCR需要太多资源

原因是我在数码相机或智能手机的图像上使用了scantailor，如果文字方向是90度或270度，有时会裁剪图像并丢失文字

Answer 1

建议的解决方案（Hough变换）很好（我赞成它）但它可能是CPU密集型的。 这是一个快速的肮脏解决方案：

1. 只计算水平投影（将每个像素行中像素的亮度相加）。它应该清楚地标记文本行的位置（奖励：你得到文本的分区到行）。做otsu二值化以清楚地看到分区。
2. 将图像旋转90度并重复步骤1.如果现在文本行垂直于像素行，则投影结果应该是模糊的混乱（没有明确的文本行分区（奖励：此分区将标记）页面的边框，如果文本按列排列，您将获得列的结构。
3. 现在您只需确定哪个投影（步骤1或步骤2）代表真实文本行。你可以计算ob blobs的数量（一维blob - 所以处理速度非常快）并选择一个blob更多的行（行数多于文本列）。或者，您可以只计算每个投影向量的标准偏差，并选择具有较高“标准”的标准偏差。这甚至要快得多。
4. 如果文字清晰地显示在0度或90度，则以上所有内容都成立。如果它旋转，比说两个投影都会返回10度。在这种情况下，您可以将文档剪切为5x5件（25件），对每件作品执行步骤1,2,3并根据大多数人选择决定。

注意：所描述的解决方案比Hough变换准确性稍差，但它非常容易实现，速度极快（整个处理比计算图像的衍生物更快）+你会得到的免费的文本行的方向+文档的分区为行和＆amp;列。

祝你好运

加法＆amp;澄清步骤1 ：第一步的说明。假设你有一张宽度为＆＃39; W＆＃39;和高度＆＃39; H＆＃39;和白色背景上的黑色文本。通过水平投影，您可以对每行中的像素值求和。结果是长度为＆＃39; H的矢量。 不包含文本任何部分（因此位于文本行之间）的像素行将产生高投影值（因为背景为白色 - 255）。包含字母部分的像素行将产生较低的投影值。 所以现在你有了长度为H的向量，你想看看里面是否有一个明确的值分区。一组高值，而不是一组低值等（如斑马条纹）。示例：如果文本行之间的距离为20像素，并且每个字母的高度为16像素，则您希望投影向量具有20个大值，后跟16个低数字，后跟20个高值，16个低值等。当然，文档不理想，每个字母都有不同的高度，有些有洞:(比如＆＃39; t＆＃39;＆＃39;＆＃39; i＆＃39;）但是分区的一般规则成立。 相反，如果您将文档旋转90度，现在您的求和与文本行不对齐 - 结果向量将只是大致随机的＆＃39; H＆＃39;没有明确分组的值。 现在您需要做的就是确定结果向量是否具有良好的分区。 一种快速的方法是计算值的标准偏差。如果有分区 - std会很高，否则会更低。 另一种方法是对投影矢量进行二值化处理，将其视为1xH大小的新图像，午餐连通分量分析并提取斑点。这非常快，因为斑点是一维的。因此，明亮的斑点将大致标记文本行之间的区域，暗孔标记文本行。如果你的总和是好的（矢量有一个明确的分区） - 你将有很少的大斑点（blob的数量〜大致作为线的数量和blob的中值长度〜大致与文本行之间的距离）。但如果你的总和是错误的（文件旋转了90度） - 你会得到许多随机的斑点。连通分量分析需要更多代码（与std相比），但它可以为您提供文本行的位置。 Line＆＃39; i＆＃39;将介于blob＆＃39; i＆＃39;和blob＆＃39; i + 1＆＃39;

Answer 2

您可以使用Hough Transform检测图像中最长的线条，然后找到这些线条的主要斜率。如果斜率接近零，则文本为水平;如果它接近无穷大，那么你的文字是垂直的。

您没有提及是否使用库来执行此操作，但在OpenCV中您可以使用HoughLinesP。我在tutorial上找到的图片上使用了wikimedia：

获取此图片：

然后我旋转原始图像：

得到这个：

由于您只对水平或垂直感兴趣，您可以测试线端点的x坐标的差异是接近零（垂直）还是y坐标的差异接近于零（水平）。

Answer 3

在Python下，您可以使用pytesseract执行以下操作：

import re
import skimage
import pytesseract
img_path = '/home/name/Pictures/Screenshot from 2019-03-21 13-33-54 (copy).png'
im = skimage.io.imread(img_path)
newdata = pytesseract.image_to_osd(im, nice=1)
re.search('(?<=Rotate: )\d+', newdata).group(0)

希望这还是有帮助的！

Answer 4

我成功使用的一种技术是使用Radon变换。您可以在python中找到实现here的示例。您还可以使用获得的投影来检测行距。上面的python实现还展示了如何做到这一点。

直观的解释是这样的。为此，我们使用灰度图像。假设您有一个光源，并且以某种方式计算了接触表面（检测器）的光线的数量。现在，想象页面中的每个字符都充当一堵墙，吸收一些穿过的光。然后，如果您以一定角度在页面平面中发光，然后将检测器放在另一侧，则可以看到只有当文本在两行之间发光时，您才能获得最大的光线。因此，想法是将光源围绕页面旋转180°，检测器捕获最多光线的角度就是文本的角度。直观地讲，这就是ra变换的工作原理。

有关radon变换的技术说明，请参见wikipedia或其他来源。

此技术使您可以非常精确地检测到文本的旋转，旋转角度为180°的倍数，具体取决于您尝试的180°旋转的“增量”是多少。当然，更高的精度（增量）也会增加处理时间。对于您的用例，由于您已经知道文本成90°角，因此可以尝试两个90°的增量，这应该很快。

然后，您需要使用另一种技术来检测它是否颠倒了。