python怎么做一个识别率百分百的OCR
小编给大家分享一下python怎么做一个识别率百分百的OCR，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
写在前面
当然这里说的百分百可能有点夸张，但其实想象一下，游戏里面的某个窗口的字符就是那种样子，不会变化的。而且识别的字符可能也不需要太多。中文有大几千个常用字，还有各种符号，其实都不需要。
这里针对的场景很简单，主要是有以下几点：
识别的字符不多：只要识别几十个常用字符即可，比如说26个字母，数字，还有一些中文。
背景统一，字体一致：我们不是做验证码识别，我们要识别的字符都是清晰可见的。
字符和背景易分割：一般来说就是对图片灰度化之后，黑底白字或者白底黑字这种。
技术栈
这里用到的主要就是python+opencv了。
python3
opencv-python
环境主要是以下的库：
pipinstallopencv-python pipinstallimutils pipinstallmatplotlib
实现思路
首先看下图片的灰度图。
第一步：二值化，将灰度转换为只有黑白两种颜色。
第二步：图像膨胀，因为我们要通过找轮廓算法找到每个字符的轮廓然后分割，如果是字符还好，中文有很多左右偏旁，三点水这种无法将一个整体进行分割，这里通过膨胀将中文都黏在一起。
第三步：找轮廓。
第四步：外接矩形。我们需要的字符是一个矩形框，而不是无规则的。
第五步：过滤字符，这里比如说标点符号对我来说没用，我通过矩形框大小把它过滤掉。
第六步：字符分割，根据矩形框分割字符。
第七步：构造数据集，每一类基本上放一两张图片就可以。
第八步：向量搜索+生成结果，根据数据集的图片，进行向量搜索得到识别的标签。然后根据图片分割的位置，对识别结果进行排序。
具体实现
读取图片
首先先读取待识别的图片。
importcv2 importnumpyasnp frommatplotlibimportpyplotasplt frommatplotlib.colorsimportNoNorm importimutils fromPILimportImage img_file="test.png" im=cv2.imread(img_file,0)
使用matplotlib画图结果如下：
二值化
在进行二值化之前，首先进行灰度分析。
灰度值是在0到255之间，0代表黑色，255代表白色。可以看到这里背景色偏黑的，基本集中在灰度值30，40附近。而字符偏白，大概在180灰度这里。
这里选择100作为分割的阈值。
thresh=cv2.threshold(im,100,255,cv2.THRESH_BINARY)[1]
2值化后效果如下：
图像膨胀
接下来进行一个图像的纵向膨胀，选择一个膨胀的维度，这里选择的是7。
kernel=np.ones((7,1),np.uint8) dilation=cv2.dilate(thresh,kernel,iterations=1)
找轮廓
接下来调用opencv找一下轮廓，
#找轮廓 cnts=cv2.findContours(dilation.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) cnts=imutils.grab_contours(cnts)
接下来我们再读取一下原图，绘制轮廓看下轮廓的样子。
外接矩形
对于轮廓我们可以做外接矩形，这里可以看下外接矩形的效果。
过滤字符
这里过滤字符的原理其实就是将轮廓内的颜色填充成黑色。下面的代码是将高度小于15的轮廓填充成黑色。
fori,cinenumerate(cnts): x,y,w,h=cv2.boundingRect(c) if(h<15): cv2.fillPoly(thresh,pts=[c],color=(0))
填充后可以看到标点符号就没了。
字符分割
因为图像是个矩阵，最后字符分割就是使用切片进行分割。
forcincnts: x,y,w,h=cv2.boundingRect(c) if(h<15): continue cropImg=thresh[y:y+h,x:x+w] plt.imshow(cropImg) plt.show()
构造数据集
最后我们创建数据集进行标注，就是把上面的都串起来，然后将分割后的图片保存到文件夹里，并且完成标注。
importcv2
importnumpyasnp
importimutils
frommatplotlibimportpyplotasplt
importuuid
defsplit_letters(im):
#2值化
thresh=cv2.threshold(im,100,255,cv2.THRESH_BINARY)[1]
#纵向膨胀
kernel=np.ones((7,1),np.uint8)
dilation=cv2.dilate(thresh,kernel,iterations=1)
#找轮廓
cnts=cv2.findContours(dilation.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts=imutils.grab_contours(cnts)
#过滤太小的
fori,cinenumerate(cnts):
x,y,w,h=cv2.boundingRect(c)
ifh<15:
cv2.fillPoly(thresh,pts=[c],color=(0))
#分割
char_list=[]
forcincnts:
x,y,w,h=cv2.boundingRect(c)
ifh<15:
continue
cropImg=thresh[y:y+h,x:x+w]
char_list.append((x,cropImg))
returnchar_list
foriinrange(1,10):
im=cv2.imread(f"test{i}.png",0)
forchinsplit_letters(im):
print(ch[0])
filename=f"ocr_datas/{str(uuid.uuid4())}.png"
cv2.imwrite(filename,ch[1])向量搜索（分类）
向量搜索其实就是个最近邻搜索的问题，我们可以使用sklearn中的KNeighborsClassifier。
训练模型代码如下：
importos
importnumpyasnp
fromsklearn.neighborsimportKNeighborsClassifier
importcv2
importpickle
importjson
max_height=30
max_width=30
defmake_im_template(im):
template=np.zeros((max_height,max_width))
offset_height=int((max_height-im.shape[0])/2)
offset_width=int((max_width-im.shape[1])/2)
template[offset_height:offset_height+im.shape[0],offset_width:offset_width+im.shape[1]]=im
returntemplate
label2index={}
index2label={}
X=[]
y=[]
index=0
for_dirinos.listdir("ocr_datas"):
new_dir="ocr_datas/"+_dir
ifos.path.isdir(new_dir):
label2index[_dir]=index
index2label[index]=_dir
forfilenameinos.listdir(new_dir):
iffilename.endswith("png"):
im=cv2.imread(new_dir+"/"+filename,0)
tpl=make_im_template(im)#生成固定模板
tpl=tpl/255#归一化
X.append(tpl.reshape(max_height*max_width))
y.append(index)
index+=1
print(label2index)
print(index2label)
model=KNeighborsClassifier(n_neighbors=1)
model.fit(X,y)
withopen("simple_ocr.pickle","wb")asf:
pickle.dump(model,f)
withopen("simple_index2label.json","w")asf:
json.dump(index2label,f)这里有一点值得说的是如何构建图片的向量，我们分隔的图片的长和宽是不固定的，这里首先需要使用一个模型，将分隔后的图片放置到模板的中央。然后将模型转换为一维向量，当然还可以做一个归一化。
生成结果
最后生成结果就是还是先分割一遍，然后转换为向量，调用KNeighborsClassifier模型，找到最匹配的一个作为结果。当然这是识别一个字符的结果，我们还需要根据分割的位置进行一个排序，才能得到最后的结果。
importcv2
importnumpyasnp
importimutils
fromsklearn.neighborsimportKNeighborsClassifier
importpickle
importjson
withopen("simple_ocr.pickle","rb")asf:
model=pickle.load(f)
withopen("simple_ocr_index2label.json","r")asf:
index2label=json.load(f)
max_height=30
max_width=30
defmake_im_template(im):
template=np.zeros((max_height,max_width))
offset_height=int((max_height-im.shape[0])/2)
offset_width=int((max_width-im.shape[1])/2)
template[offset_height:offset_height+im.shape[0],offset_width:offset_width+im.shape[1]]=im
returntemplate.reshape(max_height*max_width)
defsplit_letters(im):
#2值化
thresh=cv2.threshold(im,100,255,cv2.THRESH_BINARY)[1]
#纵向膨胀
kernel=np.ones((7,1),np.uint8)
dilation=cv2.dilate(thresh,kernel,iterations=1)
#找轮廓
cnts=cv2.findContours(dilation.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts=imutils.grab_contours(cnts)
#过滤太小的
fori,cinenumerate(cnts):
x,y,w,h=cv2.boundingRect(c)
ifh<15:
cv2.fillPoly(thresh,pts=[c],color=(0))
#分割
char_list=[]
forcincnts:
x,y,w,h=cv2.boundingRect(c)
ifh<15:
continue
cropImg=thresh[y:y+h,x:x+w]
char_list.append((x,cropImg))
returnchar_list
defocr_recognize(fname):
im=cv2.imread(fname,0)
char_list=split_letters(im)
result=[]
forchinchar_list:
res=model.predict([make_im_template(ch[1])])[0]#识别单个结果
result.append({
"x":ch[0],
"label":index2label[str(res)]
})
result.sort(key=lambdak:(k.get('x',0)),reverse=False)#因为是单行的，所以只需要通过x坐标进行排序。
return"".join([it["label"]foritinresult])
print(ocr_recognize("test1.png"))以上是“python怎么做一个识别率百分百的OCR”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注恰卡编程网行业资讯频道！
