文档扫描OCR识别-1（python）

凯哥英语视频

1.现有资源梳理

小票照片

操作环境 win10-64位
代码语言 Python 3.6

2.实现方案规划

边缘检测

1. 计算一下resize前后的像素比例
2. 灰度转换
3. 去除噪点
4. 边缘检测

获取轮廓

1. 选取图片中前5个大轮廓
2. 设置精度(目标一般是矩形 , 设置检测点为4)
3. 求出四边形轮廓的4点坐标

变换

1. 透视变换
2. 灰度处理
3. 二值处理

3.代码实现

工具包导入

import numpy as np
import cv2

函数设定

# 四边形坐标求解
def order_points(pts):
	# 一共4个坐标点
	rect = np.zeros((4, 2), dtype = "float32")

	# 按顺序找到对应坐标0123分别是 左上，右上，右下，左下
	# 计算左上，右下
	s = pts.sum(axis = 1)
	rect[0] = pts[np.argmin(s)]
	rect[2] = pts[np.argmax(s)]

	# 计算右上和左下
	diff = np.diff(pts, axis = 1)
	rect[1] = pts[np.argmin(diff)]
	rect[3] = pts[np.argmax(diff)]

	return rect
# 获取输入坐标点
def four_point_transform(image, pts):
	rect = order_points(pts)
	(tl, tr, br, bl) = rect

	# 计算输入的w和h值
	widthA = np.sqrt(((br[0] - bl[0]) ** 2) + ((br[1] - bl[1]) ** 2))
	widthB = np.sqrt(((tr[0] - tl[0]) ** 2) + ((tr[1] - tl[1]) ** 2))
	maxWidth = max(int(widthA), int(widthB))

	heightA = np.sqrt(((tr[0] - br[0]) ** 2) + ((tr[1] - br[1]) ** 2))
	heightB = np.sqrt(((tl[0] - bl[0]) ** 2) + ((tl[1] - bl[1]) ** 2))
	maxHeight = max(int(heightA), int(heightB))

	# 变换后对应坐标位置
	dst = np.array([
		[0, 0],
		[maxWidth - 1, 0],
		[maxWidth - 1, maxHeight - 1],
		[0, maxHeight - 1]], dtype="float32")

	# 计算变换矩阵  透视变换--二维升三维再降维  齐次坐标:用N+1维来代表N维坐标[kx,ky,k]
	M = cv2.getPerspectiveTransform(rect, dst)
	warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))

	# 返回变换后结果
	return warped

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
	dim = None
	(h, w) = image.shape[:2]
	if width is None and height is None:
		return image
	if width is None:
		r = height / float(h)
		dim = (int(w * r), height)
	else:
		r = width / float(w)
		dim = (width, int(h * r))
	resized = cv2.resize(image, dim, interpolation=inter)
	return resized

读取输入

image = cv2.imread('images/receipt.jpg')

边缘检测

ratio = image.shape[0] / 500.0
# image.shape[0], 图片垂直尺寸
# image.shape[1], 图片水平尺寸
# image.shape[2], 图片通道数
orig = image.copy()


image = resize(orig, height=500)  # 等比例缩放

# 预处理
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)  # 去除噪音点
edged = cv2.Canny(gray, 75, 200)  # 边缘检测

# 展示预处理结果
print("STEP 1: 边缘检测")
cv2.imshow("Image", image)
cv2.imshow("Edged", edged)
cv2.waitKey(0)
cv2.destroyAllWindows()

获取轮廓

# 轮廓检测
cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[1]
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)[:5]  # 选取前五个,最大的轮廓

# 遍历轮廓
for c in cnts:
	# 计算轮廓近似
	peri = cv2.arcLength(c, True)  # retval=cv.arcLength(curve, closed) retval返回值，轮廓的周长 closed曲线是是否闭合
	# C表示输入的点集
	# epsilon表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数
	# True表示封闭的
	approx = cv2.approxPolyDP(c, 0.02 * peri, True)  # 轮廓,轮廓精度,越小可能是多边形,越大可能是矩形

	# 4个点的时候就拿出来
	if len(approx) == 4:
		screenCnt = approx
		# print(screenCnt)  # 四个点的坐标
		break

# 展示结果
print("STEP 2: 获取轮廓")
cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)
cv2.imshow("Outline", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

变换

# 透视变换
warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)

# 二值处理
warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)
ref = cv2.threshold(warped, 100, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite('scan.jpg', ref)
# 展示结果
print("STEP 3: 变换")
cv2.imshow("Original", resize(orig, height = 650))
cv2.imshow("Scanned", resize(ref, height = 650))
cv2.waitKey(0)

所有代码连在一起就是完整的代码

相关链接

相关一些知识我就取了两个觉得重要的 , 感觉写的不错
透视变换
齐次坐标

结语

别的也没啥说的

ok，那就这样吧~

欢迎各位大佬留言吐槽,也可以深入交流~