标签：gray approx img python OpenCV pytesseract np 识别 cv
# Author：Winter Liu is coming!
import cv2 as cv
import numpy as np
import pytesseract
# 预处理，高斯滤波（用处不大），4次开操作
# 过滤轮廓唯一
def contour_demo(img):
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
gray = cv.GaussianBlur(gray, (5, 5), 1)
ref, thresh = cv.threshold(gray, 127, 255, cv.THRESH_BINARY)
kernel = np.ones((9, 9), np.uint8)
thresh = cv.morphologyEx(thresh, cv.MORPH_OPEN, kernel, iterations=4)
contours, hierachy = cv.findContours(thresh, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
print(len(contours))
return contours
def capture(img):
contours = contour_demo(img)
# 轮廓唯一，以后可以扩展
contour = contours[0]
# 求周长，可在后面的转换中使用周长和比例
print(cv.arcLength(contour,True))
img_copy = img.copy()
# 使用approxPolyDP，将轮廓转换为直线，22为精度（越高越低），TRUE为闭合
approx = cv.approxPolyDP(contour, 22, True)
# print(approx.shape)
# print(approx)
# cv.drawContours(img_copy, [approx], -1, (255, 0, 0), 15)
n = []
# 生产四个角的坐标点
for x, y in zip(approx[:, 0, 0], approx[:, 0, 1]):
n.append((x, y))
p1 = np.array(n, dtype=np.float32)
# 对应点
p2 = np.array([(0, 0), (0, 1500), (1000, 1500), (1000, 0)], dtype=np.float32)
M = cv.getPerspectiveTransform(p1, p2) # 变换矩阵
# 使用透视变换
result = cv.warpPerspective(img_copy, M, (0, 0))
# 重新截取
result = result[:1501, :1001]
cv.imwrite(r"C:\PycharmProjects\OpenCV\pic\ocr.png", result)
return result
# 图像识别代码，需要预先下载安装开源工具包 pytesseract，配置环境变量
# pip install pytesseract
# 修改“C:\Python\Python37\Lib\site-packages\pytesseract\pytesseract.py”中“cmd”为绝对路径
def ocr_img(img):
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 图像清晰度越高结果越精确，时间更长
text = pytesseract.image_to_string(gray)
print(text)
src = cv.imread(r"C:\PycharmProjects\OpenCV\pic\page.jpg")
res = capture(src)
ocr_img(res)
cv.waitKey(0)
cv.destroyAllWindows()
标签：gray,approx,img,python,OpenCV,pytesseract,np,识别,cv 来源： https://www.cnblogs.com/l1pe1/p/14400805.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。