- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我有一堆日期正在尝试使用 tesseract 进行 OCR。但是,日期中的许多数字与日期框中的行合并,如下所示:
另外,这是一张我可以很好地进行镶嵌的好图片:
这是我的代码:
import os
import cv2
from matplotlib import pyplot as plt
import subprocess
import numpy as np
from PIL import Image
def show(img):
plt.figure(figsize=(20,20))
plt.imshow(img,cmap='gray')
plt.show()
def sort_contours(cnts, method="left-to-right"):
# initialize the reverse flag and sort index
reverse = False
i = 0
# handle if we need to sort in reverse
if method == "right-to-left" or method == "bottom-to-top":
reverse = True
# handle if we are sorting against the y-coordinate rather than
# the x-coordinate of the bounding box
if method == "top-to-bottom" or method == "bottom-to-top":
i = 1
# construct the list of bounding boxes and sort them from top to
# bottom
boundingBoxes = [cv2.boundingRect(c) for c in cnts]
cnts, boundingBoxes = zip(*sorted(zip(cnts, boundingBoxes),
key=lambda b:b[1][i], reverse=reverse))
# return the list of sorted contours and bounding boxes
return cnts, boundingBoxes
def tesseract_it(contours,main_img, label,delete_last_contour=False):
min_limit, max_limit = (1300,1700)
idx =0
roi_list = []
slist= set()
for cnt in contours:
idx += 1
x,y,w,h = cv2.boundingRect(cnt)
if label=='boxes':
roi=main_img[y+2:y+h-2,x+2:x+w-2]
else:
roi=main_img[y:y+h,x:x+w]
if w*h > min_limit and w*h < max_limit and w>10 and w< 50 and h>10 and h<50:
if (x,y,w,h) not in slist: # Stops from identifying repeted contours
roi = cv2.resize(roi,dsize=(45,45),fx=0 ,fy=0, interpolation = cv2.INTER_AREA)
roi_list.append(roi)
slist.add((x,y,w,h))
if not delete_last_contour:
vis = np.concatenate((roi_list),1)
else:
roi_list.pop(-1)
vis = np.concatenate((roi_list),1)
show(vis)
# Tesseract the final image here
# ...
image = 'bad_digit/1.jpg'
# image = 'bad_digit/good.jpg'
specimen_orig = cv2.imread(image,0)
specimen = cv2.fastNlMeansDenoising(specimen_orig)
# show(specimen)
kernel = np.ones((3,3), np.uint8)
# Now we erode
specimen = cv2.erode(specimen, kernel, iterations = 1)
# show(specimen)
_, specimen = cv2.threshold(specimen, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
# show(specimen)
specimen_canny = cv2.Canny(specimen, 0, 0)
# show(specimen_canny)
specimen_blank_image = np.zeros((specimen.shape[0], specimen.shape[1], 3))
_,specimen_contours, retr = cv2.findContours(specimen_canny.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE )
# print(len(specimen_contours))
cv2.drawContours(specimen_blank_image, specimen_contours, -1, 100, 2)
# show(specimen_blank_image)
specimen_blank_image = np.zeros((specimen.shape[0], specimen.shape[1], 3))
specimen_sorted_contours, specimen_bounding_box = sort_contours(specimen_contours)
output_string = tesseract_it(specimen_sorted_contours,specimen_orig,label='boxes',)
# return output_string
附加的好图像的输出是这样的:
Tesseracing 这张图片确实给了我准确的结果。
但是,对于那些行合并为数字的行,我的输出如下所示:
这些根本不适用于 Tesseract。我想知道是否有办法删除线条并只保留数字。
我也尝试了以下方法: https://docs.opencv.org/3.2.0/d1/dee/tutorial_moprh_lines_detection.html
这在我附上的图片上似乎并不是很好。
我也尝试过使用 imagemagick:
convert original.jpg \
\( -clone 0 -threshold 50% -negate -statistic median 200x1 \) \
-compose lighten -composite \
\( -clone 0 -threshold 50% -negate -statistic median 1x200 \) \
-composite output.jpg
它的结果是公平的,但删除的行有点穿过数字,如下所示:
有没有更好的方法可以解决这个问题?我的最终目标是对数字进行曲面 segmentation ,因此最终图像确实需要非常清晰。
最佳答案
这里有一些看起来运行良好的代码。有两个阶段:
这是第一阶段后的一张图片的结果:
这是第二阶段之后的所有结果:
如您所见,8 并不完美,可以将其视为 B(好吧,即使是像我这样的人也将其视为 B……但如果您的世界中只有数字,则可以轻松解决)。还有像“:”字符(已删除的垂直线的遗留物),我无法摆脱任何不调整代码太多...
C# 代码:
static void Unbox(string inputFilePath, string outputFilePath)
{
using (var orig = new Mat(inputFilePath))
{
using (var gray = orig.CvtColor(ColorConversionCodes.BGR2GRAY))
{
using (var dst = orig.EmptyClone())
{
// this is what I call the "horizontal shake" pass.
// note I use the Rect shape here, this is important
using (var dilate = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(4, 1)))
{
Cv2.Dilate(gray, dst, dilate);
}
// erode just a bit to get back some numbers to life
using (var erode = Cv2.GetStructuringElement(MorphShapes.Rect, new Size(2, 1)))
{
Cv2.Erode(dst, dst, erode);
}
// at this point, good OCR will see most numbers
// but we want to remove surrounding artifacts
// find countours
using (var canny = dst.Canny(0, 400))
{
var contours = canny.FindContoursAsArray(RetrievalModes.List, ContourApproximationModes.ApproxSimple);
// compute a bounding rect for all numbers w/o boxes and artifacts
// this is the tricky part where we try to discard what's not related exclusively to numbers
var boundingRect = Rect.Empty;
foreach (var contour in contours)
{
// discard some small and broken polygons
var polygon = Cv2.ApproxPolyDP(contour, 4, true);
if (polygon.Length < 3)
continue;
// we want only numbers, and boxes are approx 40px wide,
// so let's discard box-related polygons, if any
// and some other artifacts that passed previous checks
// this quite depends on some context knowledge...
var rect = Cv2.BoundingRect(polygon);
if (rect.Width > 40 || rect.Height < 15)
continue;
boundingRect = boundingRect.X == 0 ? rect : boundingRect.Union(rect);
}
using (var final = dst.Clone(boundingRect))
{
final.SaveImage(outputFilePath);
}
}
}
}
}
}
关于python - OpenCV 数字合并到周围的盒子中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49065313/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!