python提取发票信息发票识别_（附完整python源码）基于tensorflowopencv的入门案例_发票识别二：字符分割...

Posted 2022-02-18 weixin_39614146

(附完整python源码)基于tensorflow、opencv的入门案例_发票识别二：字符分割

发布时间：2018-05-14 20:16,

浏览次数：1201

, 标签：

python

tensorflow

opencv

发票识别二

1.imread读入“发票代码区域”或者“发票号码码区域”；

2.调整高度，直方图均衡化，形态学，阈值分割。颜色反转：文字置为白色，背景置为黑色；

3.获取目标区域的最小外接矩形。消除被包围的轮廓，消除不合理尺寸的矩形；

4.为了便于后期输入到cnn网络，将图像设置为28×28,不拉伸，全0填充(仿射变换—平移缩放)，保存并排序；

5.通过SVM判断矩形框内的图片是否数字,按从左到右顺序保存序列数字。

6.分割完毕，使用一个简单cnn模型逐个识别即可。(见发票识别三)

#encoding:utf-8 import cv2 import numpy as np import util_funs

#将img的高度调整为28，先后对图像进行如下操作：直方图均衡化，形态学，阈值分割 def pre_treat(img): height_ = 28

ratio_ = float(img.shape[1])/float(img.shape[0]) gray = cv2.cvtColor(img,

cv2.COLOR_BGR2GRAY) gray = cv2.resize(gray,(int(ratio_*height_),height_)) gray

= cv2.equalizeHist(gray) _, binary = cv2.threshold(gray, 50, 255,

cv2.THRESH_BINARY) img_ = 255 - binary #反转：文字置为白色，背景置为黑色 return img_

#删掉不合理尺寸的矩形 def　get_roi(contours): rect_list = [] for i in

range(len(contours)): rect = cv2.boundingRect(contours[i]) if rect2[3] > 10:

rect_list.append(rect2) return rect_list #获取目标区域的最小外接矩形 def get_rect(img):

_,contours,hierarchy = cv2.findContours(img_, cv2.RETR_TREE,

cv2.CHAIN_APPROX_SIMPLE) rect_list = get_roi(contours) #消除内部轮廓，比如“0”内外各有1个轮廓

del_rect = delete_(rect_list) return del_rect.solve()

#将图像设置为28×28,不拉伸，全0填充(仿射变换——平移缩放) def change_(img): length = 28 h,w = img.shape

H = np.float32([[1,0,(length-w)/2],[0,1,(length-h)/2]]) img =

cv2.warpAffine(img,H,(length,length)) M =

cv2.getRotationMatrix2D((length/2,length/2),0,26/float(img.shape[0])) return

cv2.warpAffine(img,M,(length,length)) def get_img_list(rect_list):

#保存所有初轮筛选出的图片于img_list中 img_list = [] for rect in rect_list: w1,w2 =

rect2[0],rect2[0]+rect2[2] h1,h2 = rect2[1],rect2[1]+rect2[3]

img_list.append(change_(img.copy()[h1:h2,w1:w2])) return img_list def

get_num_by_SVM(img_list): #通过SVM判断矩形框内的图片是否文数字 #加载已经训练好的m文件。(训练过程在下面) svm_judge

= joblib.load("train_model.m") num_list = [] for img in img_list: if

svm_judge.predict(img) == 1: num_list.append(img) return num_list def

seg_num(img): img = pre_treat(img) rect_list = get_rect(img_)

#从左到右边排序。"util_funs.py"见发票识别一 rect_list = util_funs.sort_region(region,flag =

0) #保存所有初轮筛选出的图片于img_list中 img_list = get_img_list(rect_list) img_num =

get_num_by_SVM(img_list) if __name__ == "__main__": img =

cv2.imread("发票代码.jpg") img_num = seg_num(img)