实战 | OpenCV+OCR实现弧形文字识别实例(详细步骤 + 代码)

Color Space

发布于 2024-05-22 15:11:35

1530

发布于 2024-05-22 15:11:35

文章被收录于专栏：OpenCV与AI深度学习OpenCV与AI深度学习

视觉/图像重磅干货，第一时间送达!

导读

本文主要介绍基于OpenCV+OCR实现弧形文字识别实例，并给详细步骤和代码。

背景介绍

测试图如下，目标是正确识别图中的字符。图片来源：

https://www.51halcon.com/forum.php?mod=viewthread&tid=6712

同样，论坛中已经给出了Halcon实现代码，实现效果如下：

这个例子与以前介绍的环形文字识别类似，具体可参考下面链接：

实战 | OpenCV+OCR实现环形文字识别实例(详细步骤 + 代码)

二者的区别就在于一张包含完整的圆，另一张只有部分圆弧，下面给出详细实现步骤。

实现步骤

【1】扩充图像。由于这里的只有部分圆弧，为方便后续检测圆和ROI截取，我们先将原图扩大：

img = cv2.imread("./1.png")
cv2.imshow("src",img)

new_img = np.zeros((img.shape[0]*3,img.shape[1]*3,3),np.uint8)
new_img[new_img.shape[0]//3:new_img.shape[0]//3+img.shape[0],new_img.shape[1]//3:new_img.shape[1]//3+img.shape[1]] = img
cv2.imshow('new_img',new_img)

【2】检测圆。将扩充后的图像转为灰度图，然后滤波，使用霍夫变换检测圆，结果如下：

gray = cv2.cvtColor(new_img,cv2.COLOR_BGR2GRAY)
gray = cv2.medianBlur(gray,3)
circles = cv2.HoughCircles(gray,cv2.HOUGH_GRADIENT,1,100,\
         param1=200,param2=30,minRadius=300,maxRadius=400)

【3】极坐标变换。以检测到的圆心和半径做极坐标变换。

ROI = new_img[y:y+h,x:x+w].copy()
cv2.imshow('ROI',ROI)
cv2.imwrite('ROI.jpg',ROI)
trans_center = (int(center[0]-x), int(center[1]-y))
polarImg = cv2.warpPolar(ROI,(300,600),trans_center,radius,cv2.INTER_LINEAR + cv2.WARP_POLAR_LINEAR)
polarImg = cv2.transpose(polarImg)
polarImg = cv2.flip(polarImg,0)
cv2.imshow('polarImg',polarImg)

【4】使用OCR做字符识别。这里使用EasyOCR或者PaddleOCR均可：

result = reader.readtext(polarImg)
  res = None
  print(result)
  if len(result) > 0:
    for i in range(0,len(result)):
      print(result[i][1])
      if(result[i][2] < 0.2):
        continue
      print('---------------1--------------')
      for j in range(4):
        if j > 0:
          cv2.line(polarImg,(tuple(result[i][0][j-1])),(tuple(result[i][0][j])),(0,255,0),2,cv2.LINE_AA)
      cv2.line(polarImg,(tuple(result[i][0][0])),(tuple(result[i][0][3])),(0,255,0),2,cv2.LINE_AA)  
      strText = result[i][1].replace(' ','')
      cv2.putText(polarImg,strText,(result[i][0][3][0],result[i][0][3][1]+20),0,1.1,(0,0,255),2)

【5】反极坐标变换。通过反极坐标变换，将识别结果映射到原始图像。

polarImg_Inv = cv2.warpPolar(polarImg,(w,h),trans_center,radius,cv2.INTER_LINEAR + \
                            cv2.WARP_POLAR_LINEAR + cv2.WARP_INVERSE_MAP)
    cv2.imshow('polarImg_Inv',polarImg_Inv)

【6】截取ROI，得到最终结果。

ROI = new_img[y:y+h,x:x+w]
    for i in range(0,ROI.shape[0]):
        for j in range(0, ROI.shape[1]):
            if mask[i,j] > 0:
                ROI[i,j] = polarImg_Inv[i,j]
 
    #cv2.imshow('ROI',ROI)
    res = new_img[new_img.shape[0]//3:new_img.shape[0]//3+img.shape[0],new_img.shape[1]//3:new_img.shape[1]//3+img.shape[1]]