基于深度学习OpenCV与python进行字符识别

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

字符识别：

字符识别程序有助于准确的从文本中识别出每个文本元素。

通过应用深度学习算法，可以准确的识别图像中字符或文本元素的并对其进行分类。这些字符一般有很大区别。

当我们使用普通技术来识别字符时，可能会在特定点上出现一些错误。如果我们使用基于深度学习的OpenCV算法将给出有效的输出。

对于运行模型的必须安装由Google作为光学字符识别引擎开发的tesseract。

pip install pytesseract

OpenCV：

OpenCV是一种一项基本技术，我们主要利用他来消除的噪声以便进一步执行数据操作。

Open CV是深度学习技术领域中使用最广泛的算法。

它极大地依赖于受过训练的数据，并有助于识别图像中存在的文本。开放式简历使算法丢失的准确性变成一幅图画。灰度等级在字符识别领域提供了有效的分类。因此，我们特此导入所有必要的软件包，以使我们的模型可以正常使用。

为了在您的本地计算机上安装OpenCV，请使用以下命令...

pip install opencv-python

图像可以直接读取到代码中吗？

• 让我们讨论影响识别字符的因素：

• 图像中的噪声会导致许多错误识别字符的因素。为了确保无噪音，我们在代码中消除了识别。

• 当图像不是高分辨率时，识别将失败。因此，为了获得准确的结果，最好拍摄高分辨率的图像。

• 有时图像的角度也会出现缺陷。

• 在假定文本时，图像的反射会导致错误。如此多的字母“ F”被识别为“ P”。

• 如果代码无法训练字体，字体也会改变结果。

• 各种图像具有本领域的各种表示风格，因此，当存在更多肤色或多种颜色时，会对图像中的识别文本做出不正确的假设。

考虑到以上所有因素，必须在所有测试用例通过的地方相应地构建代码。

使用OpenCV识别字符的Python代码：

#import all the packagesimport cv2import numpy as npimport pytesseractfrom PIL import Image

# path of pytesseract execution folder pytesseract.pytesseract.tesseract_cmd = 'C:\Program Files\Tesseract-OCR\tesseract.exe'# Path of imagemain_path = r'qu12.png'

def get_string(pic_path):   # Reading picture with opencv   pic = cv2.imread(pic_path)# grey-scale the picture   pic = cv2.cvtColor(pic, cv2.COLOR_BGR2GRAY)# Do dilation and erosion to eliminate unwanted noises   kernel = np.ones((1, 1), np.uint8)   pic = cv2.dilate(pic, kernel, iterations=20)   pic = cv2.erode(pic, kernel, iterations=20)# Write image after removed noise   cv2.imwrite(main_path + "no_noise.png", pic)#  threshold applying to get only black and white picture    pic = cv2.adaptiveThreshold(pic, 300, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 2)# Write the image for later recognition process    cv2.imwrite(main_path + "threshold.png", pic)# Character recognition with tesseract   final = pytesseract.image_to_string(Image.open(main_path + "threshold.png"))return final

显示最终输出：

print(get_string(src_path))

输入和输出：

在这里，我们给出输入到代码中的输入和输出，以便稍后执行代码。

输入：

从互联网上获取样本识别

输出：

执行代码后的屏幕截图

代码链接：https : //github.com/eazyciphers/deep-learning-tutors

参考文献：

https://www.researchgate.net/profile/Andrew_Agbemenu/publication/325223548_An_Automatic_Number_Plate_Recognition_System_using_OpenCV_and_Tesseract_OCR_Engine/links/5c87e7ea299bf14e7e781750/An-Automatic-Number-Plate-Recognition-System-using-OpenCV-and-Tesseract-OCR-Engine.pdf

 https://en.wikipedia.org/wiki/Tesseract_(software)

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~