1. USB摄像头取图

由于分辨率越高,处理的像素就越多,导致分析图像的时间变长,这里,我们设定摄像头的取图像素为(240,320):

cap = cv2.VideoCapture(0)  # 根据电脑连接的情况填入摄像头序号
assert cap.isOpened() # 以下设置显示屏的宽高
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)
cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter.fourcc('M', 'J', 'P', 'G'))

这里提几个常用的标准分辨率:

  • VGA (Video Graphics Array): 640×480
  • QVGA (QuarterVGA): 240×320
  • QQVGA: 120×160

接下来可以捕获一帧数据看一下状态:

# %% 捕获一帧清晰的图像
def try_frame():
while True:
ret, im_frame = cap.read()
cv2.imshow("frame", im_frame) # 显示图像 # im_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 可选择转换为灰度图
if cv2.waitKey(1) & 0xFF == ord('q'):
break cv2.destroyAllWindows()
return im_frame im_frame = try_frame()
env.imshow(im_frame)

ps: 镜头角度会存在一定的歪斜,没有关系,我们后面会进行处理。

2. 图像预处理:获取屏幕ROI

利用屏幕的亮度,通过简单的阈值操作和轮廓操作,获取屏幕轮廓,然后将图像角度校正,最后获得正向的文字内容。

2.1. 分离提取屏幕区域

通过OTSU的阈值化操作,将图像处理为二值状态。这个很重要,因为如果直接使用彩图或灰度图,会由于外部光线的变化,导致后期字符匹配时整体灰度值与模板的差别而降低置信度,导致较大的误差。而二值图可以避免这个问题。

然后利用开运算(白底黑字,如果黑底白字则为闭运算),消除噪点。

im_latest = try_frame()
im_gray = mvlib.color.rgb2gray(image)
im_bin = mvlib.filters.threshold(im_gray, invert=False)
# im_erosion = mvlib.morphology.erosion(im_bin, (11, 11))
# im_dilation = mvlib.morphology.dilation(im_erosion, (5, 5))
im_opening = mvlib.morphology.opening(im_bin, (11, 11))
env.imshow(im_opening)

2.2. 计算屏幕区域的旋转角度

提取图像的最大轮廓,然后获取其包络矩形。

list_cnts = mvlib.contours.find_cnts(im_opening)
if len(list_cnts) != 1:
print(f"非唯一轮廓,请通过面积筛选过滤")
# assert 0
cnts_sorted = mvlib.contours.cnts_sort(list_cnts, mvlib.contours.cnt_area)
list_cnts = [cnts_sorted[0]] box, results = mvlib.contours.approx_rect(list_cnts[0], True)
angle = results[2] # 此处的角度是向逆时针倾斜,记作:-4
if abs(angle) > 45:
angle = (angle + 45) % 90 - 45
print(angle, box)

上述过程输出:

1.432098388671875
[[282 173]
[ 29 167]
[ 32 41]
[285 47]]

2.3. 裁剪屏幕区域

至此可以丢弃im_opening以及im_bin的图像了。我们重新回到im_gray上进行操作(需要重新进行阈值化以获取文字的二值图)。

list_width = box[:,0]
list_height= box[:,1]
w_min, w_max = min(list_width), max(list_width)
h_min, h_max = min(list_height), max(list_height) im_screen = im_gray[h_min:h_max, w_min:w_max]
env.imshow(im_screen)

2.4. 旋转图像至正向视角

im_screen_orthogonal = mvlib.transform.rotate(im_screen, angle, False)
# env.imshow(im_screen_orthogonal)
im_screen_core = im_screen_orthogonal[20:-20, 20:-20]
env.imshow(im_screen_core)

2.5. 提取文字图像

第二次执行阈值化操作,但这一次是在屏幕内部,排除了屏幕外复杂的背景后,可以很容易的获取到文字的内容。由于我们只关心数字,所以通过闭运算将细体字过滤掉。

im_core_bin = mvlib.filters.threshold(im_screen_core, invert=False)
im_closing = mvlib.morphology.closing(im_core_bin, (3,3))
env.imshow(im_closing)

2.6. 封装上述过程

琐碎的预处理过程就告一段落了,我们可以将上述的内容封装成一个简单的函数:

def preprocess():
# 获取屏幕区域
im_latest = try_frame()
...
im_closing = mvlib.morphology.closing(im_core_bin, (3,3))
return im_closing

3. 字符分割,获取单个字符的图像

字符分割,一方面是制作模板的需要(当然,你也可以直接用画图工具裁剪出一张模板图像);另一方面是为了加速模板匹配的效率。当然,你完全可以在整张图像上利用 match_template() 查找模板,但如果进行多模板匹配,重复的扫描整张图像,效率就大打折扣了。

先提供完整的代码

char_width_min = 7
gap_height_max = 5 def segment_chars(im_core):
list_char_img = []
# 字符区域
raw_bkg = np.all(im_core, axis=0)
col_bkg = np.all(im_core, axis=1) # 计算字高
ndarr_char_height = np.where(False == col_bkg)[0]
char_height_start = ndarr_char_height[0]
item_last = ndarr_char_height[0]
for item in ndarr_char_height:
if item - item_last > gap_height_max:
char_height_start = item
item_last = item
char_height_end = ndarr_char_height[-1] +1
print(f"字高【{char_height_end - char_height_start}】") ndarr_chars_pos = np.where(False == raw_bkg)[0]
ndarr_chars_pos = np.append(ndarr_chars_pos,
im_core.shape[1] + char_width_min) last_idx = ndarr_chars_pos[0]
curr_char_width = 1
for curr_idx in ndarr_chars_pos:
idx_diff = curr_idx - last_idx
# 这里应该限制最小宽度>=2,否则认为是一个粘连字
if idx_diff <= 2:
curr_char_width += idx_diff
else: # 新的字符
char_width_end = last_idx +1
char_width_start = char_width_end - curr_char_width
im_char_last = im_core[char_height_start:char_height_end,
char_width_start:char_width_end]
list_char_img.append(im_char_last)
curr_char_width = 0
last_idx = curr_idx
return list_char_img

按照行列,获取图像中的文字像素点集:

raw_bkg = np.all(im_core, axis=0)
col_bkg = np.all(im_core, axis=1)

由此,可以知道255(黑色)的区域从大约 39 到 75,那么 75 - 29 = 36 就是字高。

另外,图像中有可能存在噪点,去掉就是了(我这里只是简单粗暴的处理下,请见谅)。

行的处理同样。如果发现间隔,那么就可以分离字符。最后,输出每个字符的图像。

检验下效果:

list_char_imgs = segment_chars(im_core)
env.imshow(list_char_imgs[1])

4. 模板匹配:确定字符内容

利用模板匹配,实现字符识别的过程。这里不再细说OpenCV的 cv2.matchTemplate() 函数,只描述应用过程。

4.1. make_template

首先,有必要把字符先作为模板存储下来。

def make_tpls(list_tpl_imgs, dir_save, dict_tpl=None):
if not dict_tpl:
dict_tpl = {} str_items = input("请输入模板上的文本内容,用于校对(例如215801): ") assert len(str_items) == len(list_tpl_imgs)
for i, v in enumerate(str_items):
filename = v
if v in dict_tpl:
filename = v + "_" + str(random.random())
else:
dict_tpl[v] = list_tpl_imgs[i]
path_save = os.path.join(dir_save, filename + ".jpg")
mvlib.io.imsave(path_save, list_tpl_imgs[i]) return dict_tpl

这里,同一字符有必要多存储几张,最后择优(或者一个字符通过多个模板匹配的结果来确定)。

4.2. 模板修复

这个过程,虽然没啥子技术含量,但却对结果影响很大。在前一步骤中,我们每一个字符都收集了多张模板图像。现在,从中择优录取。还有,可以手动编辑模板的图片,去除模板多余的白边(边并不是文字内容的一部分,而且会降低字符的匹配度)。

4.3. 重新加载模板数据

def load_saved_tpls(dir_tpl):
saved_tpls = os.listdir(dir_tpl) dict_tpl = {} # {"1": imread("mvdev/tmp/tpl/1.jpg"), ...}
for i in saved_tpls:
filename = os.path.splitext(i)[0]
path_tpl = os.path.join(dir_tpl, i) im_rgb = cv2.imread(path_tpl)
im_gray = mvlib.color.rgb2gray(im_rgb)
dict_tpl[filename] = im_gray
return dict_tpl dir_tpl = "tpl/"
dict_tpls = load_saved_tpls(dir_tpl)

4.4. 模板匹配

def number_ocr_matching(im_char):
most_likely = [1, ""]
for key, im_tpl in dict_tpls.items():
try:
pos, similarity = mvlib.feature.match_template(im_char, im_tpl, way="most")
if similarity < most_likely[0]:
most_likely = [similarity, key]
except:
im_char_old = im_char.copy()
h = max(im_char.shape[0], im_tpl.shape[0])
w = max(im_char.shape[1], im_tpl.shape[1])
im_char = np.ones((h,w), dtype="uint8") * 255
# im_char2 = mvlib.pixel.bitwise_and(z, im_char)
im_char[:im_char_old.shape[0], :im_char_old.shape[1]] = im_char_old pos, similarity = mvlib.feature.match_template(im_char, im_tpl, way="most")
if similarity < most_likely[0]:
most_likely = [similarity, key] print(f"字符识别为【{most_likely[1]}】相似度【{most_likely[0]}】")
return most_likely[1] def application(list_char_imgs):
str_ocr = ""
for im_char in list_char_imgs:
width_img = im_char.shape[1]
# 判断字符
match_char = number_ocr_matching(im_char)
str_ocr += match_char
return str_ocr str_ocr2 = application(list_char_imgs)
print(str_ocr2)

过程中,opencv出现了报错,是由于模板的shape大于当前分割字符的shape。这个很正常,采集图像时由于距离的微调(注意,距离变化不能太大,OpenCV的默认算子不支持模板缩放)可能导致字符尺寸更小。解决方案也很简单,直接把字符图像拓展到大于模板的状态就OK了。

额,忘了删除debug信息了……再来一次~

【实战】基于OpenCV的水表字符识别(OCR)的更多相关文章

  1. 使用Python基于OpenCV和Tesseract的OCR

    OCR OCR(Optical Character Recognition,光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗.亮的模式确定其形状,然后用字符识别方法将形 ...

  2. 基于opencv的手写数字字符识别

    摘要 本程序主要参照论文,<基于OpenCV的脱机手写字符识别技术>实现了,对于手写阿拉伯数字的识别工作.识别工作分为三大步骤:预处理,特征提取,分类识别.预处理过程主要找到图像的ROI部 ...

  3. selenium2自动化测试实战--基于Python语言

    自动化测试基础 一. 软件测试分类 1.1 根据项目流程阶段划分软件测试 1.1.1 单元测试 单元测试(或模块测试)是对程序中的单个子程序或具有独立功能的代码段进行测试的过程. 1.1.2 集成测试 ...

  4. 字符识别OCR原理及应用实现

    字符识别OCR原理及应用实现 文本是人类最重要的信息来源之一,自然场景中充满了形形色色的文字符号.光学字符识别(OCR)相信大家都不陌生,就是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过 ...

  5. 图像矫正-基于opencv实现

    一.引言 上篇文章中四种方法对图像进行倾角矫正都非常有效.Hough变换和Radon相似,其抗干扰能力比较强,但是运算量大,程序执行慢,其改进方法为:我们可以不对整幅图像进行操作,可以在图像中选取一块 ...

  6. 基于BP神经网络的字符识别研究

    基于BP神经网络的字符识别研究 原文作者:Andrew Kirillov. http://www.codeproject.com/KB/cs/neural_network_ocr.aspx 摘要:本文 ...

  7. 字符识别OCR研究一(模板匹配&amp;BP神经网络训练)

    摘 要 在MATLAB环境下利用USB摄像头採集字符图像.读取一帧保存为图像.然后对读取保存的字符图像,灰度化.二值化,在此基础上做倾斜矫正.对矫正的图像进行滤波平滑处理,然后对字符区域进行提取切割出 ...

  8. 基于 opencv 的图像处理入门教程

    前言 虽然计算机视觉领域目前基本是以深度学习算法为主,但实际上很多时候对图片的很多处理方法,并不需要采用深度学习的网络模型,采用目前成熟的图像处理库即可实现,比如 OpenCV 和 PIL ,对图片进 ...

  9. [转载]卡尔曼滤波器及其基于opencv的实现

    卡尔曼滤波器及其基于opencv的实现 源地址:http://hi.baidu.com/superkiki1989/item/029f65013a128cd91ff0461b 这个是维基百科中的链接, ...

随机推荐

  1. Python 图像处理 OpenCV (4):图像算数运算以及修改颜色空间

    前文传送门: 「Python 图像处理 OpenCV (1):入门」 「Python 图像处理 OpenCV (2):像素处理与 Numpy 操作以及 Matplotlib 显示图像」 「Python ...

  2. CF922F Divisibility

    题目链接:http://codeforces.com/contest/922/problem/F 题目大意: 对于一个数集 \(I\),定义 \(f(I)\) 为 \(I\) 中满足条件的数对\((a ...

  3. Java-KTVByLinkedList模拟点歌工具

    import java.util.LinkedList; import java.util.Scanner; public class KTVByLinkedList { public static ...

  4. eatwhatApp开发实战(五)

    上次我们为eatwhat添加了了删除功能和dialog对话框的介绍,今天我们来使用SQLite进行本地数据存储. 首先,我们定义一个SQL辅助类ShopInfoOpenHelper继承SQLiteOp ...

  5. [PHP学习教程 - 网络]002.获取网页内容(URL Content)

    引言:获取网页内容是我们实现网页操作的基本之基本,今天这一讲,我们和大家讲一下基本请求网页内容的几种方法. 我们似乎每天都要做这样一件事情,打开一个浏览器,输入网址,回车,一个空白的页面顿时有了东西, ...

  6. [PHP学习教程 - 类库]001.全局唯一ID(GUID)

    GUID: 即Globally Unique Identifier(全球唯一标识符) 也称作 UUID(Universally Unique IDentifier) . GUID 是一个通过特定算法产 ...

  7. Java IO(九)FilterInputStream 和 FilterOutputStream

    Java IO(九)FilterInputStream 和 FilterOutputStream 一.介绍 FilterInputStream 和 FilterOutputStream 是过滤字节输入 ...

  8. Hadoop 伪分布模式安装

    ( 温馨提示:图片中有id有姓名,不要盗用哦,可参考流程,有问题评论区留言哦 ) 一.任务目标 1.了解Hadoop的3种运行模式 2.熟练掌握Hadoop伪分布模式安装流程 3.培养独立完成Hado ...

  9. jdk生成keystore、tomcat配置https

    一.首先利用jdk自带工具keytool生成keystore,命令如下:keytool -genkey -alias tomcat -keypass 123456 -keyalg RSA -keysi ...

  10. 安全性只是辅助效果?解读DevSecOps的核心动机

    DevSecOps背后的思想仅是对DevOps的扩展.就像开发人员以瀑布式开发风格将项目扔给运营团队以使其在生产中工作一样,即使使用“ DevOps”,安全性也与应用程序开发或运营完全分开. DevS ...