python 如何做一個識別率百分百的OCR

寫在前面

當然這裡說的百分百可能有點誇張,但其實想象一下,遊戲裡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。

這裡針對的場景很簡單,主要是有以下幾點:

  • 識別的字符不多:隻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後,黑底白字或者白底黑字這種。

技術棧

這裡用到的主要就是python+opencv瞭。

  • python3
  • opencv-python

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,將灰度轉換為隻有黑白兩種顏色。

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後分割,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,這裡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,這裡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。然後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。可以看到這裡背景色偏黑的,基本集中在灰度值30,40附近。而字符偏白,大概在180灰度這裡。

這裡選擇100作為分割的閾值。

thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]

2值化後效果如下:

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,這裡選擇的是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

對於輪廓我們可以做外接矩形,這裡可以看下外接矩形的效果。

過濾字符

這裡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於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))

填充後可以看到標點符號就沒瞭。

字符分割

因為圖像是個矩陣,最後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

最後我們創建數據集進行標註,就是把上面的都串起來,然後將分割後的圖片保存到文件夾裡,並且完成標註。

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)

這裡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,這裡首先需要使用一個模型,將分隔後的圖片放置到模板的中央。然後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

最後生成結果就是還是先分割一遍,然後轉換為向量,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,才能得到最後的結果。

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,所以隻需要通過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,更多關於python 做一個OCR的資料請關註WalkonNet其它相關文章!

推薦閱讀: