使用 OpenCV 和 Tesseract 对图像中的感兴趣区域 (ROI) 进行 OCR

小白学视觉

发布于 2022-02-10 09:40:50

1.5K0

发布于 2022-02-10 09:40:50

在这篇文章中，我们将使用 OpenCV 在图像的选定区域上应用 OCR。在本篇文章结束时，我们将能够对输入图像应用自动方向校正、选择感兴趣的区域并将OCR 应用到所选区域。

这篇文章基于 Python 3.x，假设我们已经安装了 Pytesseract 和 OpenCV。Pytesseract 是一个 Python 包装库，它使用 Tesseract 引擎进行 OCR。因此，如果我们没有安装 tesseract 引擎，请从https://github.com/UB-Mannheim/tesseract/wiki下载并安装它，并正确设置 TESSDATA_PREFIX 环境变量和路径变量。

深入到代码中，让我们从导入所需的库开始：

# Importing necessary libraries
import numpy as np
import cv2
import math
from scipy import ndimage
import pytesseract

现在，使用 opencv 的 imread() 方法将图像文件读入 python。

IMAGE_FILE_LOCATION = "test_image.jpg" # Photo by Amanda Jones on Unsplash
input_img = cv2.imread(IMAGE_FILE_LOCATION) # image read

在直接提取感兴趣区域之前，让我们先检查它的方向，因为很多时候我们一定已经注意到文档或图像的方向不正确，这会导致 OCR 较差，所以现在我们将调整输入图像的方向以确保更好的 OCR 结果。

在这里，我们应用两种算法来检测输入图像的方向：Canny 算法（检测图像中的边缘）和 HoughLines（检测线）。

然后我们测量线的角度，并取出角度的中值来估计方向的角度。然后以这个中间角度旋转图像，将其转换为完美的方向，以便进一步步骤。

不用担心，OpenCV 只需几行代码即可为我们完成这项工作！

#####################################################################################################
# ORIENTATION CORRECTION/ADJUSTMENT

def orientation_correction(img, save_image = False):
    # GrayScale Conversion for the Canny Algorithm  
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
    # Canny Algorithm for edge detection was developed by John F. Canny not Kennedy!! :)
img_edges = cv2.Canny(img_gray, 100, 100, apertureSize=3)
    # Using Houghlines to detect lines
lines = cv2.HoughLinesP(img_edges, 1, math.pi / 180.0, 100, minLineLength=100, maxLineGap=5)

    # Finding angle of lines in polar coordinates
angles = []
for x1, y1, x2, y2 in lines[0]:
angle = math.degrees(math.atan2(y2 - y1, x2 - x1))
angles.append(angle)

    # Getting the median angle
median_angle = np.median(angles)

    # Rotating the image with this median angle
img_rotated = ndimage.rotate(img, median_angle)

if save_image:
cv2.imwrite('orientation_corrected.jpg', img_rotated)
return img_rotated
#####################################################################################################

img_rotated = orientation_correction(input_img)

调整方向的图像

下一步是从图像中提取感兴趣的区域。

因此，首先我们为鼠标设置一个事件侦听器，使用户能够选择感兴趣的区域。在这里，我们设置了两个条件，一个是鼠标左键按下，第二个是鼠标左键向上。我们存储按下鼠标左键时的起始坐标和释放鼠标左键时的结束坐标，然后在按下“enter”键时，我们提取这些起始坐标和结束坐标之间的区域，如果按下“c”，则清除坐标。

#####################################################################################################
# REGION OF INTEREST (ROI) SELECTION

# initializing the list for storing the coordinates 
coordinates = [] 

# Defining the event listener (callback function)
def shape_selection(event, x, y, flags, param):
# making coordinates global
global coordinates 

# Storing the (x1,y1) coordinates when left mouse button is pressed  
if event == cv2.EVENT_LBUTTONDOWN: 
        coordinates = [(x, y)] 

# Storing the (x2,y2) coordinates when the left mouse button is released and make a rectangle on the selected region
elif event == cv2.EVENT_LBUTTONUP: 
        coordinates.append((x, y)) 

# Drawing a rectangle around the region of interest (roi)
        cv2.rectangle(image, coordinates[0], coordinates[1], (0,0,255), 2) 
        cv2.imshow("image", image) 


# load the image, clone it, and setup the mouse callback function 
image = img_rotated
image_copy = image.copy()
cv2.namedWindow("image") 
cv2.setMouseCallback("image", shape_selection) 


# keep looping until the 'q' key is pressed 
while True: 
# display the image and wait for a keypress 
    cv2.imshow("image", image) 
    key = cv2.waitKey(1) & 0xFF

if key==13: # If 'enter' is pressed, apply OCR
break

if key == ord("c"): # Clear the selection when 'c' is pressed 
        image = image_copy.copy() 

if len(coordinates) == 2: 
    image_roi = image_copy[coordinates[0][1]:coordinates[1][1], 
                               coordinates[0][0]:coordinates[1][0]] 
    cv2.imshow("Selected Region of Interest - Press any key to proceed", image_roi) 
    cv2.waitKey(0) 

# closing all open windows 
cv2.destroyAllWindows()  

#####################################################################################################

感兴趣区域的边界框

现在，使用 pytesseract 在 ROI 上应用光学字符识别 (OCR)。（也可以使用Google Vision或Azure Vision代替 Tesseract 引擎）。

##################################################################### OPTICAL CHARACTER RECOGNITION (OCR) ON ROI
text = pytesseract.image_to_string(image_roi)
print("The text in the selected region is as follows:")
print(text)

输出是：