目錄
- 寫在前面
- 技術棧
- 實現思路
- 具體實現
- 讀取圖片
- 二值化
- 圖像膨脹
- 找輪廓
- 外接矩形
- 過濾字符
- 字符分割
- 構造數據集
- 向量搜索（分類）
- 生成結果
寫在前面
當然這里說的百分百可能有點夸張，但其實想象一下，游戲里面的某個窗口的字符就是那種樣子，不會變化的。而且識別的字符可能也不需要太多。中文有大幾千個常用字，還有各種符號，其實都不需要。
這里針對的場景很簡單，主要是有以下幾點：
- 識別的字符不多：只要識別幾十個常用字符即可，比如說26個字母，數字，還有一些中文。
- 背景統一，字體一致：我們不是做驗證碼識別，我們要識別的字符都是清晰可見的。
- 字符和背景易分割：一般來說就是對圖片灰度化之后，黑底白字或者白底黑字這種。
技術棧
這里用到的主要就是python+opencv了。
環境主要是以下的庫：
pip install opencv-python
pip install imutils
pip install matplotlib
實現思路
首先看下圖片的灰度圖。
第一步：二值化，將灰度轉換為只有黑白兩種顏色。
第二步：圖像膨脹，因為我們要通過找輪廓算法找到每個字符的輪廓然后分割，如果是字符還好，中文有很多左右偏旁，三點水這種無法將一個整體進行分割，這里通過膨脹將中文都黏在一起。
第三步：找輪廓。
第四步：外接矩形。我們需要的字符是一個矩形框，而不是無規則的。
第五步：過濾字符，這里比如說標點符號對我來說沒用，我通過矩形框大小把它過濾掉。
第六步：字符分割，根據矩形框分割字符。
第七步：構造數據集，每一類基本上放一兩張圖片就可以。
第八步：向量搜索+生成結果，根據數據集的圖片，進行向量搜索得到識別的標簽。然后根據圖片分割的位置，對識別結果進行排序。
具體實現
讀取圖片
首先先讀取待識別的圖片。
import cv2
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.colors import NoNorm
import imutils
from PIL import Image
img_file = "test.png"
im = cv2.imread(img_file, 0)
使用matplotlib畫圖結果如下：
二值化
在進行二值化之前，首先進行灰度分析。
灰度值是在0到255之間，0代表黑色，255代表白色。可以看到這里背景色偏黑的，基本集中在灰度值30，40附近。而字符偏白，大概在180灰度這里。
這里選擇100作為分割的閾值。
thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]
2值化后效果如下：
圖像膨脹
接下來進行一個圖像的縱向膨脹，選擇一個膨脹的維度，這里選擇的是7。
kernel = np.ones((7,1),np.uint8)
dilation = cv2.dilate(thresh, kernel, iterations=1)
找輪廓
接下來調用opencv找一下輪廓，
# 找輪廓
cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
接下來我們再讀取一下原圖，繪制輪廓看下輪廓的樣子。
外接矩形
對于輪廓我們可以做外接矩形，這里可以看下外接矩形的效果。
過濾字符
這里過濾字符的原理其實就是將輪廓內的顏色填充成黑色。下面的代碼是將高度小于15的輪廓填充成黑色。
for i, c in enumerate(cnts):
x, y, w, h = cv2.boundingRect(c)
if (h 15):
cv2.fillPoly(thresh, pts=[c], color=(0))
填充后可以看到標點符號就沒了。
字符分割
因為圖像是個矩陣，最后字符分割就是使用切片進行分割。
for c in cnts:
x, y, w, h = cv2.boundingRect(c)
if (h 15):
continue
cropImg = thresh[y:y+h, x:x+w]
plt.imshow(cropImg)
plt.show()
構造數據集
最后我們創建數據集進行標注，就是把上面的都串起來，然后將分割后的圖片保存到文件夾里，并且完成標注。
import cv2
import numpy as np
import imutils
from matplotlib import pyplot as plt
import uuid
def split_letters(im):
# 2值化
thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]
# 縱向膨脹
kernel = np.ones((7, 1), np.uint8)
dilation = cv2.dilate(thresh, kernel, iterations=1)
# 找輪廓
cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
# 過濾太小的
for i, c in enumerate(cnts):
x, y, w, h = cv2.boundingRect(c)
if h 15:
cv2.fillPoly(thresh, pts=[c], color=(0))
# 分割
char_list = []
for c in cnts:
x, y, w, h = cv2.boundingRect(c)
if h 15:
continue
cropImg = thresh[y:y + h, x:x + w]
char_list.append((x, cropImg))
return char_list
for i in range(1, 10):
im = cv2.imread(f"test{i}.png", 0)
for ch in split_letters(im):
print(ch[0])
filename = f"ocr_datas/{str(uuid.uuid4())}.png"
cv2.imwrite(filename, ch[1])
向量搜索（分類）
向量搜索其實就是個最近鄰搜索的問題，我們可以使用sklearn中的KNeighborsClassifier。
訓練模型代碼如下：
import os
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import cv2
import pickle
import json
max_height = 30
max_width = 30
def make_im_template(im):
template = np.zeros((max_height, max_width))
offset_height = int((max_height - im.shape[0]) / 2)
offset_width = int((max_width - im.shape[1]) / 2)
template[offset_height:offset_height + im.shape[0], offset_width:offset_width + im.shape[1]] = im
return template
label2index = {}
index2label = {}
X = []
y = []
index = 0
for _dir in os.listdir("ocr_datas"):
new_dir = "ocr_datas/" + _dir
if os.path.isdir(new_dir):
label2index[_dir] = index
index2label[index] = _dir
for filename in os.listdir(new_dir):
if filename.endswith("png"):
im = cv2.imread(new_dir + "/" + filename, 0)
tpl = make_im_template(im) # 生成固定模板
tpl = tpl / 255 # 歸一化
X.append(tpl.reshape(max_height*max_width))
y.append(index)
index += 1
print(label2index)
print(index2label)
model = KNeighborsClassifier(n_neighbors=1)
model.fit(X, y)
with open("simple_ocr.pickle", "wb") as f:
pickle.dump(model, f)
with open("simple_index2label.json", "w") as f:
json.dump(index2label, f)
這里有一點值得說的是如何構建圖片的向量，我們分隔的圖片的長和寬是不固定的，這里首先需要使用一個模型，將分隔后的圖片放置到模板的中央。然后將模型轉換為一維向量，當然還可以做一個歸一化。
生成結果
最后生成結果就是還是先分割一遍，然后轉換為向量，調用KNeighborsClassifier模型，找到最匹配的一個作為結果。當然這是識別一個字符的結果，我們還需要根據分割的位置進行一個排序，才能得到最后的結果。
import cv2
import numpy as np
import imutils
from sklearn.neighbors import KNeighborsClassifier
import pickle
import json
with open("simple_ocr.pickle", "rb") as f:
model = pickle.load(f)
with open("simple_ocr_index2label.json", "r") as f:
index2label = json.load(f)
max_height = 30
max_width = 30
def make_im_template(im):
template = np.zeros((max_height, max_width))
offset_height = int((max_height - im.shape[0]) / 2)
offset_width = int((max_width - im.shape[1]) / 2)
template[offset_height:offset_height + im.shape[0], offset_width:offset_width + im.shape[1]] = im
return template.reshape(max_height*max_width)
def split_letters(im):
# 2值化
thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]
# 縱向膨脹
kernel = np.ones((7, 1), np.uint8)
dilation = cv2.dilate(thresh, kernel, iterations=1)
# 找輪廓
cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
# 過濾太小的
for i, c in enumerate(cnts):
x, y, w, h = cv2.boundingRect(c)
if h 15:
cv2.fillPoly(thresh, pts=[c], color=(0))
# 分割
char_list = []
for c in cnts:
x, y, w, h = cv2.boundingRect(c)
if h 15:
continue
cropImg = thresh[y:y + h, x:x + w]
char_list.append((x, cropImg))
return char_list
def ocr_recognize(fname):
im = cv2.imread(fname, 0)
char_list = split_letters(im)
result = []
for ch in char_list:
res = model.predict([make_im_template(ch[1])])[0] # 識別單個結果
result.append({
"x": ch[0],
"label": index2label[str(res)]
})
result.sort(key=lambda k: (k.get('x', 0)), reverse=False) # 因為是單行的，所以只需要通過x坐標進行排序。
return "".join([it["label"] for it in result])
print(ocr_recognize("test1.png"))
以上就是python 如何做一個識別率百分百的OCR的詳細內容，更多關于python 做一個OCR的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- python3使用Pillow、tesseract-ocr與pytesseract模塊的圖片識別的方法
- python3光學字符識別模塊tesserocr與pytesseract的使用詳解
- python PaddleOCR庫用法及知識點詳解
- python EasyOCR庫實例用法介紹
- python muggle_ocr庫用法及實例代碼
- Python 實現任意區域文字識別(OCR)操作
- Python實現OCR識別之pytesseract案例詳解
