快捷導(dǎo)航

OpenCV+OCR實(shí)現(xiàn)弧形文字識別的示例代碼

更新時間：2025年07月10日 08:29:38 作者：Ring__Rain

本文主要介紹了OpenCV+OCR實(shí)現(xiàn)弧形文字識別,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

?? 一、技術(shù)原理

弧形文字識別的核心在于??將彎曲文本轉(zhuǎn)換為水平直線??，便于OCR引擎處理：

??幾何變換??：通過霍夫圓檢測定位弧形文字的圓心與半徑，利用極坐標(biāo)變換（warpPolar）將弧形展開為矩形。
??OCR適配??：展開后的水平文本可直接輸入OCR引擎（如Tesseract或PaddleOCR）進(jìn)行識別。

?? 二、實(shí)現(xiàn)步驟與代碼詳解

?? ??1. 圖像預(yù)處理：擴(kuò)充與圓檢測??

import cv2
import numpy as np

# 讀取圖像并擴(kuò)充畫布（避免邊緣截斷）
img = cv2.imread("arc_text.png")
new_img = np.zeros((img.shape[0]*3, img.shape[1]*3, 3), dtype=np.uint8)
y_start, x_start = new_img.shape[0]//3, new_img.shape[1]//3
new_img[y_start:y_start+img.shape[0], x_start:x_start+img.shape[1]] = img

# 灰度化 + 中值濾波去噪
gray = cv2.cvtColor(new_img, cv2.COLOR_BGR2GRAY)
gray = cv2.medianBlur(gray, 5)

# 霍夫圓檢測（關(guān)鍵參數(shù)調(diào)節(jié)）
circles = cv2.HoughCircles(
    gray, cv2.HOUGH_GRADIENT, dp=1, minDist=100,
    param1=200, param2=30, minRadius=300, maxRadius=500
)
x, y, radius = circles[0][0]  # 取首個檢測到的圓

??關(guān)鍵點(diǎn)??：

??圖像擴(kuò)充??：避免圓弧靠近邊緣導(dǎo)致檢測失敗。
??參數(shù)調(diào)節(jié)??：param2（累加器閾值）控制圓檢測靈敏度，值越小檢測越多（可能包含噪聲）。

?? ??2. 極坐標(biāo)變換：弧形轉(zhuǎn)水平??

# 截取圓弧區(qū)域ROI
roi = new_img[int(y-radius):int(y+radius), int(x-radius):int(x+radius)]
center_roi = (radius, radius)  # ROI內(nèi)圓心坐標(biāo)

# 極坐標(biāo)變換（300x600為輸出圖像尺寸）
polar_img = cv2.warpPolar(
    roi, (600, 300), center_roi, radius,
    flags=cv2.WARP_POLAR_LINEAR + cv2.INTER_CUBIC
)
polar_img = cv2.rotate(polar_img, cv2.ROTATE_90_CLOCKWISE)  # 旋轉(zhuǎn)為水平文本
cv2.imwrite("polar_transformed.jpg", polar_img)

??效果??：弧形文字被展開為水平方向，如：
https://example.com/polar_demo.jpg
(圖示：弧形文字→水平文本的轉(zhuǎn)換結(jié)果)

?? ??3. OCR識別與結(jié)果映射??

# 使用PaddleOCR識別水平文本
from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
result = ocr.ocr(polar_img, cls=True)

# 解析識別結(jié)果
texts = [line[1][0] for line in result[0]]
print("識別結(jié)果:", "".join(texts))

# 反極坐標(biāo)變換（可選：將結(jié)果框映射回原圖）
polar_inv = cv2.warpPolar(
    polar_img, (2*radius, 2*radius), center_roi, radius,
    flags=cv2.WARP_INVERSE_MAP + cv2.WARP_POLAR_LINEAR
)
new_img[y_start:y_start+img.shape[0], x_start:x_start+img.shape[1]] = polar_inv

??OCR選型建議??：

??中文場景??：優(yōu)先選PaddleOCR（對中文支持更好）。
??英文場景??：Tesseract + --psm 6（識別整塊文本）。

? 三、優(yōu)化技巧與常見問題

??圓心檢測失敗??：
- 調(diào)整cv2.HoughCircles的param1（邊緣梯度閾值）和param2（累加器閾值）。
- 手動指定圓心：若圖像中圓弧不完整，可直接標(biāo)注圓心坐標(biāo)。
??文字扭曲矯正??：
- 若極坐標(biāo)變換后文字傾斜，添加旋轉(zhuǎn)校正（cv2.getRotationMatrix2D + cv2.warpAffine）。
??識別精度提升??：
- ??預(yù)處理??：對展開后的圖像進(jìn)行銳化（cv2.filter2D）或?qū)Ρ榷仍鰪?qiáng)（cv2.equalizeHist）。
- ??OCR配置??：Tesseract啟用--oem 3（LSTM引擎）+ 語言模型微調(diào)。

?? 四、不同形狀文字識別方案對比

??文字形狀??	??核心技術(shù)??	??適用OCR引擎??	??難度??
弧形文字	霍夫圓檢測 + 極坐標(biāo)變換	PaddleOCR/Tesseract	????
環(huán)形文字	圓心擴(kuò)展 + 極坐標(biāo)變換	Tesseract	???
直線文本	透視變換（仿射變換）	任意OCR引擎	??
扭曲文本	薄板樣條變換（TPS）	CRNN + 語言模型	?????