我尝试使用Python和OpenCV开发脚本,以检测扫描仪器图上的某些突出显示区域,并使用Tesseract的OCR功能输出文本。我的工作流程首先检测感兴趣区域的一般附近,然后应用处理步骤除去文本块(线条,边框,噪声)之外的所有内容。然后将处理后的图像输入Tesseract的OCR引擎。
此工作流程适用于大约一半的图像,但由于文本触摸边框而导致其余部分失败。我将在下面展示一些我的意思的例子:
步骤1:使用具有荧光笔颜色范围的InRange创建遮罩,找到感兴趣的区域。
步骤2:轮廓感兴趣的区域,裁剪并保存到文件。
---参考代码从这里开始---
步骤3:阈值图像并应用Canny边缘检测
步骤4:使用cv2.approxPolyDP对边缘进行轮廓加工并将其过滤为圆形,并查看顶点大于8的边缘。第一个或第二个最大轮廓通常对应于内边缘。
步骤5:使用蒙版和按位操作,轮廓内的所有内容都将转换为白色背景图像。应用膨胀和腐蚀来使图像去噪并产生最终图像,该图像被送入OCR引擎。
import cv2
import numpy as np
import pytesseract
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
d_path = "Test images\\"
img_name = "cropped_12.jpg"
img = cv2.imread(d_path + img_name) # Reads the image
## Resize image before calculating contour
height, width = img.shape[:2]
img = cv2.resize(img,(2*width,2*height),interpolation = cv2.INTER_CUBIC)
img_orig = img.copy() # Makes copy of original image
img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) # Convert to grayscale
# Apply threshold to get binary image and write to file
_, img = cv2.threshold(img,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# Edge detection
edges = cv2.Canny(img,100,200)
# Find contours of mask threshold
_, contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# Find contours associated w/ polygons with 8 sides or more
cnt_list = []
area_list = [cv2.contourArea(c) for c in contours]
for j in contours:
poly_pts = cv2.approxPolyDP(j,0.01*cv2.arcLength(j,True),True)
area = cv2.contourArea(j)
if (len(poly_pts) > 8) & (area == max(area_list)):
cnt_list.append(j)
cv2.drawContours(img_orig, cnt_list, -1, (255,0,0), 2)
# Show contours
cv2.namedWindow('Show',cv2.WINDOW_NORMAL)
cv2.imshow("Show",img_orig)
cv2.waitKey()
cv2.destroyAllWindows()
# Zero pixels outside circle
mask = np.zeros(img.shape).astype(img.dtype)
cv2.fillPoly(mask, cnt_list, (255,255,255))
mask_inv = cv2.bitwise_not(mask)
a = cv2.bitwise_and(img,img,mask = mask)
wh_back = np.ones(img.shape).astype(img.dtype)*255
b = cv2.bitwise_and(wh_back,wh_back,mask = mask_inv)
res = cv2.add(a,b)
# Get rid of noise
kernel = np.ones((2, 2), np.uint8)
res = cv2.dilate(res, kernel, iterations=1)
res = cv2.erode(res, kernel, iterations=1)
# Show final image
cv2.namedWindow('result',cv2.WINDOW_NORMAL)
cv2.imshow("result",res)
cv2.waitKey()
cv2.destroyAllWindows()
当代码有效时,这些是输出的图像: Working
但是,在文本接触圆形边框的情况下,代码假定文本的一部分是较大轮廓的一部分并忽略最后一个字母。例如: Not working
是否有任何处理步骤可以帮助我绕过这个问题?或者也许是另一种方法?我尝试过使用霍夫圆形变换试图检测边界,但它们非常挑剔,不像轮廓那样有效。
我对OpenCV和Python都很陌生,所以任何帮助都会受到赞赏。
答案 0 :(得分:0)
如果霍夫圆圈变换不适合你,我认为你最好的选择是近似于边界形状。我所知道的最好的方法是:Douglas-Peucker算法,通过减少图片的周长,使你的轮廓变得更简单。
您可以从OpenCV查看此参考文件,以查看可以应用于您的边界的后期处理类型。他们还提到Douglas-Peucker: OpenCV boarder processing
答案 1 :(得分:0)
只是预感。 OTSU阈值化后。侵蚀和扩张图像。这将导致非常薄的关节消失。相同的代码如下。
kernel = np.ones((5,5),np.uint8)
th3 = cv2.erode(th3, kernel,iterations=1)
th3 = cv2.dilate(th3, kernel,iterations=1)
让我知道它是怎么回事。如果这不起作用我还有更多想法。