opencv - 如何使用库识别对象？

Question

你能帮我解答一下问题吗？

1.如何检测多目标？

2。如何检测到我想要的对象？

谢谢!

Answer 1

如何将图像分成 9 个部分并剪切您所在的部分感兴趣，将其写入文件，然后在其上运行 tesseract。

tesseract myscan.png out

我不知道 tesseract 如何/是否可以对内存中的图像进行操作...但也许您会在 API 文档中找到一些东西？

我认为 tesseract 会返回一个 3 行的文本，你有兴趣最后一行中间区域的单词。有帮助吗？ :D

好吧，我刚刚玩过 python tesseract api 和 python opencv api 并想出了以下内容

import cv2    
import cv2.cv as cv    
import tesseract    

cv.NamedWindow("win")    
img = cv2.imread("GBIAe.jpg") # numpy.ndarray     
height, width, channels = img.shape    

# crop the image     
crop = (2*height/3, width/3)    
roi  = img[crop[0]:height, crop[1]:2*width/3]    

# Convert numpy.ndarray, to cv2.cv.iplimage
bitmap = cv.CreateImageHeader((roi.shape[1], roi.shape[0]), cv.IPL_DEPTH_8U, 3)
cv.SetData(bitmap, roi.tostring(), roi.dtype.itemsize * 3 * roi.shape[1] )    

# Extract the text with tesseract     
api = tesseract.TessBaseAPI()    
api.Init(".","eng", tesseract.OEM_DEFAULT)    
api.SetPageSegMode(tesseract.PSM_AUTO)    
tesseract.SetCvImage( bitmap, api)    
text=api.GetUTF8Text()    
conf=api.MeanTextConf()    
print("text %s" % text)    
api.End()    
cv.ShowImage("win", bitmap)    
cv.WaitKey()    

可以在以下位置找到 python tesseract

https://code.google.com/p/python-tesseract/

我在这里找到了numpy数组和iplimage之间的转换:

http://stackoverflow.com/questions/11528009/opencv-converting-from-numpy-to-iplimage-in-python

裁剪给我“这里是”作为文本。这可能不是您想要的。

Tesseract 正在与脚本相同的文件夹中的 tessdata 文件夹中搜索经过训练的语言数据。我刚刚创建了指向/usr/share/tesseract-ocr/tessdata 文件夹的符号链接(symbolic link)。您可能想要设置环境变量等。

也许您应该添加更多图片。还有可能ocr 整个文本，取最后一行，因为你只对最后一行感兴趣，然后看看中间是哪个单词。

我认为您可以使用上面的代码来实现两者。裁剪区域将为您提供最后一行中间单词的部分或全部文本，然后可用于从使用 tesseract 对整个图像获得的最后一行文本中选择完整单词。