Python/OpenCV - 基于机器学习的 OCR（图像到文本）

Posted 2023-04-17

【中文标题】Python/OpenCV - 基于机器学习的 OCR（图像到文本）

【英文标题】：Python/OpenCV - Machine Learning-based OCR (Image to Text)

【发布时间】：2017-03-26 11:58:36

【问题描述】：

我正在尝试通过 Python 2.7 接口使用 OpenCV 来实现基于机器学习的 OCR 应用程序来解析图像文件中的文本。我正在使用this tutorial（为方便起见，我重新发布了下面的代码）。我对机器学习完全陌生，对 OpenCV 也比较陌生。

手写数字的OCR：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('digits.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# Now we split the image to 5000 cells, each 20x20 size
cells = [np.hsplit(row,100) for row in np.vsplit(gray,50)]

# Make it into a Numpy array. It size will be (50,100,20,20)
x = np.array(cells)

# Now we prepare train_data and test_data.
train = x[:,:50].reshape(-1,400).astype(np.float32) # Size = (2500,400)
test = x[:,50:100].reshape(-1,400).astype(np.float32) # Size = (2500,400)

# Create labels for train and test data
k = np.arange(10)
train_labels = np.repeat(k,250)[:,np.newaxis]
test_labels = train_labels.copy()

# Initiate kNN, train the data, then test it with test data for k=1
knn = cv2.KNearest()
knn.train(train,train_labels)
ret,result,neighbours,dist = knn.find_nearest(test,k=5)

# Now we check the accuracy of classification
# For that, compare the result with test_labels and check which are wrong
matches = result==test_labels
correct = np.count_nonzero(matches)
accuracy = correct*100.0/result.size
print accuracy

# save the data
np.savez('knn_data.npz',train=train, train_labels=train_labels)

# Now load the data
with np.load('knn_data.npz') as data:
    print data.files
    train = data['train']
    train_labels = data['train_labels']

英文字母OCR：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# Load the data, converters convert the letter to a number
data= np.loadtxt('letter-recognition.data', dtype= 'float32', delimiter = ',',
                    converters= 0: lambda ch: ord(ch)-ord('A'))

# split the data to two, 10000 each for train and test
train, test = np.vsplit(data,2)

# split trainData and testData to features and responses
responses, trainData = np.hsplit(train,[1])
labels, testData = np.hsplit(test,[1])

# Initiate the kNN, classify, measure accuracy.
knn = cv2.KNearest()
knn.train(trainData, responses)
ret, result, neighbours, dist = knn.find_nearest(testData, k=5)

correct = np.count_nonzero(result == labels)
accuracy = correct*100.0/10000
print accuracy

第二个代码 sn-p（用于英文字母）从 .data 文件中获取以下格式的输入：

T,2,8,3,5,1,8,13,0,6,6,10,8,0,8,0,8
I,5,12,3,7,2,10,5,5,4,13,3,9,2,8,4,10
D,4,11,6,8,6,10,6,2,6,10,3,7,3,7,3,9
N,7,11,6,6,3,5,9,4,6,4,4,10,6,10,2,8
G,2,1,3,1,1,8,6,6,6,6,5,9,1,7,5,10
S,4,11,5,8,3,8,8,6,9,5,6,6,0,8,9,7
B,4,2,5,4,4,8,7,6,6,7,6,6,2,8,7,10

...大约有 20,000 行。数据描述了字符的轮廓。

我对它的工作原理有基本的了解，但我对如何使用它在图像上实际执行 OCR 感到困惑。如何使用此代码编写以cv2 图像为参数并返回表示已识别文本的字符串的函数？

【参考方案1】：

一般来说，机器学习的工作原理是这样的：首先，您必须训练您的程序理解问题的领域。然后你开始提问。

因此，如果您要创建 OCR，第一步是教您的程序字母 A 和 B 的样子，等等。

您使用 OpenCV 将图像从噪声中清除并识别可能是字母的像素组并将它们隔离。

然后您将这些字母输入您的 OCR 程序。在训练模式下，您将输入图像并解释图像代表的字母。在询问模式下，您将输入图像并询问它是哪个字母。训练得越好，你的答案就越准确（程序可能会弄错字母，这种情况总是有可能的）。

【讨论】：

我想你误解了我的问题；我知道这就是机器学习的工作原理。我不太了解教程中示例代码中的数据结构。我实际上在第一部分（对于数字）中找到了它，但对于第二部分（对于英文字母），它从.data 文件中读取轮廓数据，而不是分析图像。那么，一旦我训练它，我如何使用它来解析图像中的文本？我从哪个数据结构中提取字符？

我更新了我的问题，并包含了字母识别培训.data 文件的摘录。

对不起，我的困惑。此 .data 文件是已处理的字母集合。您可以通过此链接 archive.ics.uci.edu/ml/datasets/Letter+Recognition 了解这些数字。用简单的英语来说，使用 openCV 之类的东西来隔离字母并测量字母。您可以取一个新字母并进行相同的测量，然后将其与该数据集进行比较以找出哪个字母。本教程不包括这个：/

>"本教程不涉及这个：/"这不是我想听到的，哈哈，有什么建议可以解决这个问题吗？

@mjones.udri 我也面临同样的疑问。关于如何做的任何更新？你收到你的答案了吗？