快捷導(dǎo)航

Python Opencv實(shí)戰(zhàn)之文字檢測(cè)OCR

更新時(shí)間：2022年08月31日 15:20:24 作者：夏天是冰紅茶

這篇文章主要為大家詳細(xì)介紹了如何利用Python Opencv實(shí)現(xiàn)文字檢測(cè)OCR功能，文中的示例代碼講解詳細(xì)，具有一定的借鑒價(jià)值，需要的可以參考一下

1.相關(guān)函數(shù)的講解

image_to_data（）的輸出結(jié)果是表格形式，輸出變量的類型依舊是字符串。

你會(huì)得到一個(gè)這樣的列表['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text']，我們逐個(gè)解釋下：

level，當(dāng)前項(xiàng)的層級(jí)；
page_num，當(dāng)前項(xiàng)所屬頁，一般情況下，單張圖片的內(nèi)容均會(huì)被分在同一個(gè)頁；
block_num ，當(dāng)前項(xiàng)所屬塊，Tesseract會(huì)將圖像分割為多個(gè)不同的block，block會(huì)出現(xiàn)1，2，3……等等值；
par_num，當(dāng)前圖像中文字的段落分類；
line_num，當(dāng)前項(xiàng)所屬行；
word_num，為同一行中當(dāng)前項(xiàng)所屬的單詞序號(hào)；
left\ top\ width\ height，分別為當(dāng)前項(xiàng)所在矩形區(qū)域的左上角坐標(biāo)、寬度和高度；
conf，當(dāng)前檢測(cè)字符的置信度，表示項(xiàng)無文字，值為-1，若Tesseract認(rèn)為當(dāng)前區(qū)域有文字，則其值得范圍為0~100；
text，即為當(dāng)前項(xiàng)的文本，若無文字此項(xiàng)為空。

那么關(guān)于enumerate（）函數(shù)，大家可以看看此文。

詳解Python中enumerate函數(shù)的使用

2.代碼展示

Detecting Words

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time
 
 
pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
 
##############################################
##### Detecting Words  ######
##############################################
 #[   0          1           2           3           4          5         6       7       8        9        10       11 ]
 #['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text']
 boxes = pytesseract.image_to_data(img)
 for a,b in enumerate(boxes.splitlines()):
        print(b)
         if a!=0:
             b = b.split()
             if len(b)==12:
                 x,y,w,h = int(b[6]),int(b[7]),int(b[8]),int(b[9])
                 cv2.putText(img,b[11],(x,y-5),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
                 cv2.rectangle(img, (x,y), (x+w, y+h), (50, 50, 255), 2)
 
cv2.imshow('img', img)
cv2.waitKey(0)

Detecting ONLY Digits

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time
 
 
pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
 
##############################################
##### Detecting ONLY Digits  ######
##############################################
 hImg, wImg,_ = img.shape
 conf = r'--oem 3 --psm 6 outputbase digits'
 boxes = pytesseract.image_to_boxes(img,config=conf)
 for b in boxes.splitlines():
     print(b)
     b = b.split(' ')
     print(b)
     x, y, w, h = int(b[1]), int(b[2]), int(b[3]), int(b[4])
     cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 2)
     cv2.putText(img,b[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
 
cv2.imshow('img', img)
cv2.waitKey(0)

3.問題敘述

首先，我遇到的問題有

（1）無效的TeserAct版本：“TeserAct3.02”

可能是此版本太低了，但我找了找新的版本，在此更新一下路徑：

點(diǎn)擊此網(wǎng)址 Home · UB-Mannheim/tesseract Wiki · GitHub

自行選擇合適的就可以了。

（2）識(shí)別效果差

可以看到，將本來不是數(shù)字的字母也強(qiáng)行識(shí)別出來了，這簡(jiǎn)直說不過去了。

最后我們看看更改后的效果：

cool，非常的棒，快去試試吧！

對(duì)于數(shù)字又強(qiáng)差人意了，所以說它這個(gè)本身還是存在一點(diǎn)的問題。我覺得影響不大，你覺得不舒服，可以換張圖試試。

4.image_to_data（）配置講解

oem講解

OEM _ TESSERACТ_ ONLY 只以最快的速度運(yùn)行Tesseract

OEM _ CUBE _ ONLY 僅運(yùn)行多維數(shù)據(jù)集-精度更高，但速度更慢

OEM _ TESSERACT _ CUBE _ cOMBINED 同時(shí)運(yùn)行并組合結(jié)果-最佳精度

OEM _ DEFAULT 在調(diào)用init_*0時(shí)指定此模式，以指示應(yīng)根據(jù)特定于語言的配置中的變量自動(dòng)推斷上述任何模式。命令行配置，或者如果沒有在上面任何一項(xiàng)中指定，則應(yīng)設(shè)置為默認(rèn)的OEM_ TESSERACT_ ONLY。

psm講解

PSM _ OSD _ ONLY 僅用于方向和腳本檢測(cè)。

PSM _ AUTO _ OSD 帶有方向和腳本檢測(cè)的自動(dòng)頁面分割。（OSD）

PSM _ AUTO _ ONLY 自動(dòng)頁面分割，但沒有OSD或OCR。 PSM _ AUTO 完全自動(dòng)頁面分割，但沒有OSD。

PSM _ SINGLE _ COLUMN 假設(shè)一列大小可變的文本。

PSM _ SINGLE _ BLOCK _ VERT _ TEXT 假設(shè)一個(gè)統(tǒng)一的垂直對(duì)齊文本塊。

PSM _ SINGLE _ BLOCK 假設(shè)一個(gè)統(tǒng)一的文本塊（默認(rèn)值）

PSM _ SINGLE _ LINE 將圖像視為單個(gè)文本行。

PSM _ SINGLE _ WORD 將圖像視為單個(gè)單詞。

PSM _ CIRCLE _ WORD 將圖像視為圓圈中的單個(gè)單詞。

PSM _ SINGLE _ CHAR 將圖像視為單個(gè)字符。

PSM _ SPARSE _ TEXT 在沒有特定順序的情況下盡可能多地查找文本。

PSM _ SPARSE _ TEXT _ OSD 具有方向和腳本檢測(cè)的稀疏文本。

PSM _ RAW _ LINE 將圖像視為單個(gè)文本行，繞過特定于Tesseract的黑客攻擊。

5.項(xiàng)目拓展

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time
 
pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cap = cv2.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
def captureScreen(bbox=(300,300,1500,1000)):
    capScr = np.array(ImageGrab.grab(bbox))
    capScr = cv2.cvtColor(capScr, cv2.COLOR_RGB2BGR)
    return capScr
while True:
    timer = cv2.getTickCount()
    _,img = cap.read()
    #img = captureScreen()
    #DETECTING CHARACTERES
    hImg, wImg,_ = img.shape
    boxes = pytesseract.image_to_boxes(img)
    for b in boxes.splitlines():
        #print(b)
        b = b.split(' ')
        #print(b)
        x, y, w, h = int(b[1]), int(b[2]), int(b[3]), int(b[4])
        cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 2)
        cv2.putText(img,b[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
    fps = cv2.getTickFrequency() / (cv2.getTickCount() - timer);
    #cv2.putText(img, str(int(fps)), (75, 40), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (20,230,20), 2);
    cv2.imshow("Result",img)
    cv2.waitKey(1)
 
 
cv2.imshow('img', img)
cv2.waitKey(0)

進(jìn)行網(wǎng)絡(luò)攝像頭的實(shí)時(shí)文字測(cè)試。

6.總結(jié)與評(píng)價(jià)

我是首次使用Tesseract，體驗(yàn)感很不好，這是我在b站的評(píng)論中看到的：

說實(shí)話，我還沒有學(xué)到用算法的地步，學(xué)學(xué)了解一下就好了，反正我是準(zhǔn)備項(xiàng)目實(shí)戰(zhàn)的中后期去學(xué)習(xí)深度學(xué)習(xí)，以及其他的算法學(xué)習(xí)，這方面我不好說，但它的精度的確是不達(dá)標(biāo)，你們也看到了，居然把文字也識(shí)別成了數(shù)字。而且開啟攝像頭識(shí)別的也不是很好，識(shí)別不完全or識(shí)別錯(cuò)誤。

以上就是Python Opencv實(shí)戰(zhàn)之文字檢測(cè)OCR的詳細(xì)內(nèi)容，更多關(guān)于Python Opencv文字檢測(cè)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: