OpenCV入门笔记（七） 文字区域的提取 |
您所在的位置：网站首页 › 如何文字提取识别 › OpenCV入门笔记（七） 文字区域的提取 |
OpenCV入门笔记（七） 文字区域的提取
|
前面我们已经学了一些OpenCV中基本的图片处理的知识，可以拿来做一些小应用。比如怎样从一张图片中，把文字圈出来。这一步骤对OCR（Optical Character Recognition）非常有用，因为一般的OCR引擎只是拿来识别文字，并没有对图片做预处理，因此精度可能会收到图片质量影响。 当然，我们这里只是粗略的查找文字区域，并没有进一步地处理图片。而且对背景复杂，或者文字旋转角度过于倾斜的情况也无法自适应，因此只能给大家做参考。若要实用到项目中，还有很多工作要做。 效果图比如我们有下面的一篇文章的截图，想把其中的文字区域全部找出来。 当然这里的截图只有文字和白花花的背景，效果会非常好。绿色的的矩形框的是我们根据检测到的文字区域，手动画出来的。 那么我们是怎么做到检测到区域的呢？ 首先，我们会注意到，文字区域和其他的图片背景很不一样。我们用膨胀处理图片，让文字变成一块块大区域，然后识别整块的轮廓，用矩形去框住这个轮廓。 这个程序分三个子函数，detect（检测），preprocess（图片预处理），findTextRegion（查找和筛选文字区域）。即main函数调用detect函数去实际完成文字区域检测。detect函数又分成preprocess和findTextRegion两个步骤来做。 见下面的序列图，可能会清晰点。 mainmaindetectdetectpreprocesspreprocessfindTextRegionfindTextRegion检测文本区域返回检测到的文本矩形Sobel，二值化，膨胀和腐蚀Morphology方法预处理图片返回预处理后的图片轮廓检测，去掉面积小的，过长的查找和筛选文字区域返回区域box的坐标 1. Detect先来看main函数和Detect函数 def detect(img): # 1. 转化成灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2. 形态学变换的预处理，得到可以查找矩形的图片 dilation = preprocess(gray) # 3. 查找和筛选文字区域 region = findTextRegion(dilation) # 4. 用绿线画出这些找到的轮廓 for box in region: cv2.drawContours(img, [box], 0, (0, 255, 0), 2) cv2.namedWindow("img", cv2.WINDOW_NORMAL) cv2.imshow("img", img) # 带轮廓的图片 cv2.imwrite("contours.png", img) cv2.waitKey(0) cv2.destroyAllWindows() if __name__ == '__main__': # 读取文件 imagePath = sys.argv[1] img = cv2.imread(imagePath) detect(img) 1234567891011121314151617181920212223242526272829 1234567891011121314151617181920212223242526272829 2. Preprocess利用数学形态学（Morphology）进行预处理。 这个过程很重要，是文字区域检测效果好坏的核心代码，尤其是一下几个参数： 膨胀的核函数大小，这里用了 30 x 9，可以调节腐蚀的核函数大小，这里用了 24 x 6，可以调节 def preprocess(gray): # 1. Sobel算子，x方向求梯度 sobel = cv2.Sobel(gray, cv2.CV_8U, 1, 0, ksize = 3) # 2. 二值化 ret, binary = cv2.threshold(sobel, 0, 255, cv2.THRESH_OTSU+cv2.THRESH_BINARY) # 3. 膨胀和腐蚀操作的核函数 element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 9)) element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (24, 6)) # 4. 膨胀一次，让轮廓突出 dilation = cv2.dilate(binary, element2, iterations = 1) # 5. 腐蚀一次，去掉细节，如表格线等。注意这里去掉的是竖直的线 erosion = cv2.erode(dilation, element1, iterations = 1) # 6. 再次膨胀，让轮廓明显一些 dilation2 = cv2.dilate(erosion, element2, iterations = 3) # 7. 存储中间图片 cv2.imwrite("binary.png", binary) cv2.imwrite("dilation.png", dilation) cv2.imwrite("erosion.png", erosion) cv2.imwrite("dilation2.png", dilation2) return dilation2 123456789101112131415161718192021222324252627 123456789101112131415161718192021222324252627 3. findTextRegion def findTextRegion(img): region = [] # 1. 查找轮廓 contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 2. 筛选那些面积小的 for i in range(len(contours)): cnt = contours[i] # 计算该轮廓的面积 area = cv2.contourArea(cnt) # 面积小的都筛选掉 if(area < 1000): continue # 轮廓近似，作用很小 epsilon = 0.001 * cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, epsilon, True) # 找到最小的矩形，该矩形可能有方向 rect = cv2.minAreaRect(cnt) print "rect is: " print rect # box是四个点的坐标 box = cv2.cv.BoxPoints(rect) box = np.int0(box) # 计算高和宽 height = abs(box[0][1] - box[2][1]) width = abs(box[0][0] - box[2][0]) # 筛选那些太细的矩形，留下扁的 if(height > width * 1.2): continue region.append(box) return region 1234567891011121314151617181920212223242526272829303132333435363738394041 1234567891011121314151617181920212223242526272829303132333435363738394041 完整代码加上头文件，把几个函数合并以后，贴在这里。注意开头要写明用utf8编码，不然中文注释可能不会被系统识别。而且Python没有花括号来控制流程，所以对看不见的Tab缩进很敏感，写代码的时候要规范。 直接在终端里敲下面的命令，既可以运行 python textDetection.py ./pic/1.png 代码：textDetection.py # coding:utf8 import sys import cv2 import numpy as np def preprocess(gray): # 1. Sobel算子，x方向求梯度 sobel = cv2.Sobel(gray, cv2.CV_8U, 1, 0, ksize = 3) # 2. 二值化 ret, binary = cv2.threshold(sobel, 0, 255, cv2.THRESH_OTSU+cv2.THRESH_BINARY) # 3. 膨胀和腐蚀操作的核函数 element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 9)) element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (24, 6)) # 4. 膨胀一次，让轮廓突出 dilation = cv2.dilate(binary, element2, iterations = 1) # 5. 腐蚀一次，去掉细节，如表格线等。注意这里去掉的是竖直的线 erosion = cv2.erode(dilation, element1, iterations = 1) # 6. 再次膨胀，让轮廓明显一些 dilation2 = cv2.dilate(erosion, element2, iterations = 3) # 7. 存储中间图片 cv2.imwrite("binary.png", binary) cv2.imwrite("dilation.png", dilation) cv2.imwrite("erosion.png", erosion) cv2.imwrite("dilation2.png", dilation2) return dilation2 def findTextRegion(img): region = [] # 1. 查找轮廓 contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 2. 筛选那些面积小的 for i in range(len(contours)): cnt = contours[i] # 计算该轮廓的面积 area = cv2.contourArea(cnt) # 面积小的都筛选掉 if(area < 1000): continue # 轮廓近似，作用很小 epsilon = 0.001 * cv2.arcLength(cnt, True) approx = cv2.approxPolyDP(cnt, epsilon, True) # 找到最小的矩形，该矩形可能有方向 rect = cv2.minAreaRect(cnt) print "rect is: " print rect # box是四个点的坐标 box = cv2.cv.BoxPoints(rect) box = np.int0(box) # 计算高和宽 height = abs(box[0][1] - box[2][1]) width = abs(box[0][0] - box[2][0]) # 筛选那些太细的矩形，留下扁的 if(height > width * 1.2): continue region.append(box) return region def detect(img): # 1. 转化成灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2. 形态学变换的预处理，得到可以查找矩形的图片 dilation = preprocess(gray) # 3. 查找和筛选文字区域 region = findTextRegion(dilation) # 4. 用绿线画出这些找到的轮廓 for box in region: cv2.drawContours(img, [box], 0, (0, 255, 0), 2) cv2.namedWindow("img", cv2.WINDOW_NORMAL) cv2.imshow("img", img) # 带轮廓的图片 cv2.imwrite("contours.png", img) cv2.waitKey(0) cv2.destroyAllWindows() if __name__ == '__main__': # 读取文件 imagePath = sys.argv[1] img = cv2.imread(imagePath) detect(img) 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108 |
【本文地址】