python 如何做一個(gè)識(shí)別率百分百的OCR

更新時(shí)間：2021年05月28日 17:11:23 作者：叁公子KCN

最近在做游戲自動(dòng)化（測(cè)試），也就是游戲腳本了。主要有以下幾個(gè)需求識(shí)別率百分百、速度要快、模型要小，本文就來著手實(shí)現(xiàn)它

寫在前面

當(dāng)然這里說的百分百可能有點(diǎn)夸張，但其實(shí)想象一下，游戲里面的某個(gè)窗口的字符就是那種樣子，不會(huì)變化的。而且識(shí)別的字符可能也不需要太多。中文有大幾千個(gè)常用字，還有各種符號(hào)，其實(shí)都不需要。

這里針對(duì)的場(chǎng)景很簡(jiǎn)單，主要是有以下幾點(diǎn)：

識(shí)別的字符不多：只要識(shí)別幾十個(gè)常用字符即可，比如說26個(gè)字母，數(shù)字，還有一些中文。
背景統(tǒng)一，字體一致：我們不是做驗(yàn)證碼識(shí)別，我們要識(shí)別的字符都是清晰可見的。
字符和背景易分割：一般來說就是對(duì)圖片灰度化之后，黑底白字或者白底黑字這種。

技術(shù)棧

這里用到的主要就是python+opencv了。

python3
opencv-python

環(huán)境主要是以下的庫(kù)：

pip install opencv-python
pip install imutils
pip install matplotlib

實(shí)現(xiàn)思路

首先看下圖片的灰度圖。

第一步：二值化，將灰度轉(zhuǎn)換為只有黑白兩種顏色。

第二步：圖像膨脹，因?yàn)槲覀円ㄟ^找輪廓算法找到每個(gè)字符的輪廓然后分割，如果是字符還好，中文有很多左右偏旁，三點(diǎn)水這種無法將一個(gè)整體進(jìn)行分割，這里通過膨脹將中文都黏在一起。

第三步：找輪廓。

第四步：外接矩形。我們需要的字符是一個(gè)矩形框，而不是無規(guī)則的。

第五步：過濾字符，這里比如說標(biāo)點(diǎn)符號(hào)對(duì)我來說沒用，我通過矩形框大小把它過濾掉。

第六步：字符分割，根據(jù)矩形框分割字符。

第七步：構(gòu)造數(shù)據(jù)集，每一類基本上放一兩張圖片就可以。

第八步：向量搜索+生成結(jié)果，根據(jù)數(shù)據(jù)集的圖片，進(jìn)行向量搜索得到識(shí)別的標(biāo)簽。然后根據(jù)圖片分割的位置，對(duì)識(shí)別結(jié)果進(jìn)行排序。

具體實(shí)現(xiàn)

讀取圖片

首先先讀取待識(shí)別的圖片。

import cv2
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.colors import NoNorm
import imutils
from PIL import Image


img_file = "test.png"
im = cv2.imread(img_file, 0)

使用matplotlib畫圖結(jié)果如下：

二值化

在進(jìn)行二值化之前，首先進(jìn)行灰度分析。

灰度值是在0到255之間，0代表黑色，255代表白色。可以看到這里背景色偏黑的，基本集中在灰度值30，40附近。而字符偏白，大概在180灰度這里。

這里選擇100作為分割的閾值。

thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]

2值化后效果如下：

圖像膨脹

接下來進(jìn)行一個(gè)圖像的縱向膨脹，選擇一個(gè)膨脹的維度，這里選擇的是7。

kernel = np.ones((7,1),np.uint8) 
dilation = cv2.dilate(thresh, kernel, iterations=1)

找輪廓

接下來調(diào)用opencv找一下輪廓，

# 找輪廓
cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)

接下來我們?cè)僮x取一下原圖，繪制輪廓看下輪廓的樣子。

外接矩形

對(duì)于輪廓我們可以做外接矩形，這里可以看下外接矩形的效果。

過濾字符

這里過濾字符的原理其實(shí)就是將輪廓內(nèi)的顏色填充成黑色。下面的代碼是將高度小于15的輪廓填充成黑色。

for i, c in enumerate(cnts): 
    x, y, w, h = cv2.boundingRect(c) 
    if (h < 15):
        cv2.fillPoly(thresh, pts=[c], color=(0))

填充后可以看到標(biāo)點(diǎn)符號(hào)就沒了。

字符分割

因?yàn)閳D像是個(gè)矩陣，最后字符分割就是使用切片進(jìn)行分割。

for c in cnts: 
    x, y, w, h = cv2.boundingRect(c)
    if (h < 15):
        continue
    cropImg = thresh[y:y+h, x:x+w]
    plt.imshow(cropImg)
    plt.show()

構(gòu)造數(shù)據(jù)集

最后我們創(chuàng)建數(shù)據(jù)集進(jìn)行標(biāo)注，就是把上面的都串起來，然后將分割后的圖片保存到文件夾里，并且完成標(biāo)注。

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


def split_letters(im):
    # 2值化
    thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]
    # 縱向膨脹
    kernel = np.ones((7, 1), np.uint8)
    dilation = cv2.dilate(thresh, kernel, iterations=1)
    # 找輪廓
    cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)

    # 過濾太小的
    for i, c in enumerate(cnts):
        x, y, w, h = cv2.boundingRect(c)
        if h < 15:
            cv2.fillPoly(thresh, pts=[c], color=(0))

    # 分割
    char_list = []
    for c in cnts:
        x, y, w, h = cv2.boundingRect(c)
        if h < 15:
            continue
        cropImg = thresh[y:y + h, x:x + w]
        char_list.append((x, cropImg))
    return char_list


for i in range(1, 10):
    im = cv2.imread(f"test{i}.png", 0)

    for ch in split_letters(im):
        print(ch[0])
        filename = f"ocr_datas/{str(uuid.uuid4())}.png"
        cv2.imwrite(filename, ch[1])

向量搜索（分類）

向量搜索其實(shí)就是個(gè)最近鄰搜索的問題，我們可以使用sklearn中的KNeighborsClassifier。

訓(xùn)練模型代碼如下：

import os
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
import cv2
import pickle
import json

max_height = 30
max_width = 30


def make_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
    return template

label2index = {}
index2label = {}
X = []
y = []
index = 0
for _dir in os.listdir("ocr_datas"):
    new_dir = "ocr_datas/" + _dir
    if os.path.isdir(new_dir):
        label2index[_dir] = index
        index2label[index] = _dir
        for filename in os.listdir(new_dir):
            if filename.endswith("png"):
                im = cv2.imread(new_dir + "/" + filename, 0)
                tpl = make_im_template(im)  # 生成固定模板
                tpl = tpl / 255  # 歸一化
                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)

with open("simple_ocr.pickle", "wb") as f:
    pickle.dump(model, f)


with open("simple_index2label.json", "w") as f:
    json.dump(index2label, f)

這里有一點(diǎn)值得說的是如何構(gòu)建圖片的向量，我們分隔的圖片的長(zhǎng)和寬是不固定的，這里首先需要使用一個(gè)模型，將分隔后的圖片放置到模板的中央。然后將模型轉(zhuǎn)換為一維向量，當(dāng)然還可以做一個(gè)歸一化。

生成結(jié)果

最后生成結(jié)果就是還是先分割一遍，然后轉(zhuǎn)換為向量，調(diào)用KNeighborsClassifier模型，找到最匹配的一個(gè)作為結(jié)果。當(dāng)然這是識(shí)別一個(gè)字符的結(jié)果，我們還需要根據(jù)分割的位置進(jìn)行一個(gè)排序，才能得到最后的結(jié)果。

import cv2
import numpy as np
import imutils
from sklearn.neighbors import KNeighborsClassifier
import pickle
import json


with open("simple_ocr.pickle", "rb") as f:
    model = pickle.load(f)

with open("simple_ocr_index2label.json", "r") as f:
    index2label = json.load(f)

max_height = 30
max_width = 30


def make_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
    return template.reshape(max_height*max_width)


def split_letters(im):
    # 2值化
    thresh = cv2.threshold(im, 100, 255, cv2.THRESH_BINARY)[1]
    # 縱向膨脹
    kernel = np.ones((7, 1), np.uint8)
    dilation = cv2.dilate(thresh, kernel, iterations=1)
    # 找輪廓
    cnts = cv2.findContours(dilation.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cnts = imutils.grab_contours(cnts)

    # 過濾太小的
    for i, c in enumerate(cnts):
        x, y, w, h = cv2.boundingRect(c)
        if h < 15:
            cv2.fillPoly(thresh, pts=[c], color=(0))

    # 分割
    char_list = []
    for c in cnts:
        x, y, w, h = cv2.boundingRect(c)
        if h < 15:
            continue
        cropImg = thresh[y:y + h, x:x + w]
        char_list.append((x, cropImg))
    return char_list


def ocr_recognize(fname):
    im = cv2.imread(fname, 0)
    char_list = split_letters(im)

    result = []
    for ch in char_list:
        res = model.predict([make_im_template(ch[1])])[0]  # 識(shí)別單個(gè)結(jié)果
        result.append({
            "x": ch[0],
            "label": index2label[str(res)]
        })
    result.sort(key=lambda k: (k.get('x', 0)), reverse=False) # 因?yàn)槭菃涡械?，所以只需要通過x坐標(biāo)進(jìn)行排序。

    return "".join([it["label"] for it in result])


print(ocr_recognize("test1.png"))

以上就是python 如何做一個(gè)識(shí)別率百分百的OCR的詳細(xì)內(nèi)容，更多關(guān)于python 做一個(gè)OCR的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: