OpenCV-Python中实现简单数字识别OCR

问题：

我试图在OpenCV-Python（cv2）中实现“数字识别OCR”。它只是为了学习目的。我想在OpenCV中学习KNearest和SVM功能。
我有每个数字的100个样本（即图像）。我想和他们一起训练
OpenCV示例附带的示例letter_recog.py。但是我仍然无法弄清楚如何使用它。我不明白什么是样本，响应等。此外，它首先加载一个txt文件，我首先不明白。
稍后搜索一下，我可以在cpp示例中找到一个letter_recognition.data。我使用它，并在letter_recog.py的模型（仅用于测试）中为cv2.KNearest创建了一个代码：

1
2
3
4
5
6
7
8
9
10
11
import numpy as np
import cv2
 
fn = 'letter-recognition.data'
a = np.loadtxt(fn, np.float32, delimiter=',', converters={ 0 : lambda ch : ord(ch)-ord('A') })
samples, responses = a[:,1:], a[:,0]
 
model = cv2.KNearest()
retval = model.train(samples,responses)
retval, results, neigh_resp, dists = model.find_nearest(samples, k = 10)
print results.ravel()

它给了我一个大小20000的阵列，我不明白是什么。
问题：
1）什么是letter_recognition.data文件？如何从我自己的数据集构建该文件？
2）results.reval()表示什么？
3）我们如何使用letter_recognition.data文件（KNearest或SVM）编写一个简单的数字识别工具？

回答：

那么，我决定在自己的问题上解决上述问题。我想要的是在OpenCV中使用KNearest或SVM功能来实现一个简单的OCR。下面是我做了什么和如何。 （只是为了学习如何使用KNearest进行简单的OCR目的）。
1）我的第一个问题是关于openCV示例附带的letter_recognition.data文件。我想知道那个文件里面是什么。
它包含一封信，以及该信的16个特征。
this SOF帮助我找到它。这些16个功能在文档Letter Recognition Using Holland-Style Adaptive Classifiers中进行了说明。
（虽然我不了解一些结尾的功能）
2）由于我知道，在不了解所有这些功能的情况下，很难做到这一点。我尝试了一些其他的论文，但对初学者来说，这些都是有点困难的。
So I just decided to take all the pixel values as my features.（我并不担心准确性或表现，我只是想让它工作，至少在最不准确的情况下）
我拍下了我的训练资料：
enter image description here
（我知道培训数据少了，但是由于所有的字母和字体大小相同，所以我决定尝试这样做）。
为了准备训练数据，我在OpenCV中编写了一个小代码。它做以下事情：
A）它加载图像。
B）选择数字（显然通过轮廓查找和对字母的面积和高度应用约束以避免错误检测）。
C）绘制围绕一个字母的边界矩形，并等待key press manually。这一次我们自己按数字键对应的字母在框中。
D）按下相应的数字键后，将此框重新调整为10×10，并将数组中的100个像素值（这里为样本）和相应的手动输入的数位保存在另一个数组中（这里为响应）。
E）然后将这两个数组保存在单独的txt文件中。
在数字手动分类结束时，列车数据（train.png）中的所有数字都由我们自己手动标记，图像如下图所示：
enter image description here
以下是我用于上述目的的代码（当然不是那么干净）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
import sys
 
import numpy as np
import cv2
 
im = cv2.imread('pitrain.png')
im3 = im.copy()
 
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray,(5,5),0)
thresh = cv2.adaptiveThreshold(blur,255,1,1,11,2)
 
#################      Now finding Contours         ###################
 
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
 
samples =  np.empty((0,100))
responses = []
keys = [i for i in range(48,58)]
 
for cnt in contours:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)
 
        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,0,255),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            cv2.imshow('norm',im)
            key = cv2.waitKey(0)
 
            if key == 27:  # (escape to quit)
                sys.exit()
            elif key in keys:
                responses.append(int(chr(key)))
                sample = roismall.reshape((1,100))
                samples = np.append(samples,sample,0)
 
responses = np.array(responses,np.float32)
responses = responses.reshape((responses.size,1))
print "training complete"
 
np.savetxt('generalsamples.data',samples)
np.savetxt('generalresponses.data',responses)

现在我们进入培训和测试部分。
对于我测试的部分，我使用下面的图像，它有相同类型的字母，我用来训练。
enter image description here
对于培训，我们做如下
A）加载我们之前已经保存的txt文件
B）创建一个我们正在使用的分类器的实例（这里是KNearest）
C）然后我们使用KNearest.train函数来训练数据
为了测试目的，我们做如下：
A）我们加载用于测试的图像
B）如前所述处理图像，并使用轮廓方法提取每个数字
C）为其绘制边框，然后调整为10×10，并将其像素值存储在数组中，如前所述。
D）然后我们使用KNearest.find_nearest（）函数来找到我们给出的最接近的项目。 （如果幸运，它会识别正确的数字。）
我在下面的单一代码中包括了最后两个步骤（培训和测试）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
import cv2
import numpy as np
 
#######   training part    ###############
samples = np.loadtxt('generalsamples.data',np.float32)
responses = np.loadtxt('generalresponses.data',np.float32)
responses = responses.reshape((responses.size,1))
 
model = cv2.KNearest()
model.train(samples,responses)
 
############################# testing part  #########################
 
im = cv2.imread('pi.png')
out = np.zeros(im.shape,np.uint8)
gray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,1,1,11,2)
 
contours,hierarchy = cv2.findContours(thresh,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE)
 
for cnt in contours:
    if cv2.contourArea(cnt)>50:
        [x,y,w,h] = cv2.boundingRect(cnt)
        if  h>28:
            cv2.rectangle(im,(x,y),(x+w,y+h),(0,255,0),2)
            roi = thresh[y:y+h,x:x+w]
            roismall = cv2.resize(roi,(10,10))
            roismall = roismall.reshape((1,100))
            roismall = np.float32(roismall)
            retval, results, neigh_resp, dists = model.find_nearest(roismall, k = 1)
            string = str(int((results[0][0])))
            cv2.putText(out,string,(x,y+h),0,1,(0,255,0))
 
cv2.imshow('im',im)
cv2.imshow('out',out)
cv2.waitKey(0)

下面是我得到的结果：
enter image description here
这里以100％的精度工作。我假设这是因为所有的数字都是相同的和相同的大小。
但是无论如何，这对初学者来说是一个很好的开始（我希望如此）。

翻译整理： codewenda.com
英文原文：stackoverflow

原文地址：http://codewenda.com/opencv-python%E4%B8%AD%E5%AE%9E%E7%8E%B0%E7%AE%80%E5%8D%95%E6%95%B0%E5%AD%97%E8%AF%86%E5%88%ABocr/

posted @ 2017-10-28 12:15  codewenda  阅读(2743)  评论(0)    收藏  举报