这是我第一次使用Python。我通常使用.NET,但是为了识别文档中的形状,他们已经转向Python和OpenCV进行图像处理。
我正在使用OpenCV TemplateMatching(cv2.matchTemplate)在我的文档中发现感兴趣的区域(ROI)。
这很好。模板与ROI匹配,并放置矩形以标识匹配项。
我图像中的ROI包含我也需要OCR和提取的文本。我正在尝试使用Tesseract进行此操作,但是根据我的结果,我认为我做错了。
我的过程是这样:
在下面的图像中,您可以看到匹配的区域(很好),但是您可以看到ROI中的文本与tesseract的文本不匹配(ROI的右下方)。
请有人可以看看并告知我要去哪里错了吗?
import cv2
import numpy as np
import pytesseract
import imutils
img_rgb = cv2.imread('images/pd2.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('images/matchMe.png', 0)
w, h = template.shape[::-1]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.45
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)
roi = img_rgb[pt, (pt[0] + w, pt[1] + h)]
config = "-l eng --oem 1 --psm 7"
text = pytesseract.image_to_string(roi, config=config)
print(text)
cv2.putText(img_rgb, text, (pt[0] + w, pt[1] + h),
cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 0, 255), 3)
cv2.imwrite('images/results.png', img_rgb)
您的代码中有两个问题:1.您正在OCR之前修改图像(绘制矩形)。2. roi的结构不正确。
img_rgb = cv2.imread('tess.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('matchMe.png', 0)
w, h = template.shape[::-1]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.45
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
roi = img_rgb[pt[1]:pt[1] + h, pt[0]: pt[0] + w]
config = "-l eng --oem 1 --psm 7"
text = pytesseract.image_to_string(roi, config=config)
print(text)
cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)
cv2.putText(img_rgb, text, (pt[0] + w, pt[1] + h),
cv2.FONT_HERSHEY_SIMPLEX, 1.2, (0, 0, 255), 3)
cv2.imwrite('results.png', img_rgb)
您可能仍然必须提供经过适当过滤的tesseract图像才能进行有意义的识别。希望这会有所帮助。