基于MATLAB实现图片文字识别并输出为TXT文件

基于MATLAB实现图片文字识别并输出为TXT文件

---

一、核心实现流程

% 步骤1：读取图像并预处理
img = imread('test_image.jpg');
grayImg = rgb2gray(img); % 灰度化
bwImg = imbinarize(grayImg, 'adaptive', 'Sensitivity', 0.6); % 自适应二值化
cleanImg = bwareaopen(bwImg, 50); % 去噪

% 步骤2：文本检测（CRAFT深度学习模型）
[bboxes, scores] = detectTextCRAFT(cleanImg); % 检测文本区域
cleanedBboxes = mergeTextRegions(bboxes, scores); % 合并重叠区域

% 步骤3：字符分割
characters = segmentCharacters(cleanImg, cleanedBboxes); % 基于连通域分割

% 步骤4：文字识别
recognizedText = '';
for i = 1:numel(characters)
    charImg = imresize(characters{i}, [40, 30]); % 标准化尺寸
    ocrResults = ocr(charImg, 'Language', 'English+Chinese'); % 多语言识别
    recognizedText = [recognizedText, ocrResults.Text];
end

% 步骤5：保存结果
fid = fopen('output.txt', 'w');
fprintf(fid, '%s', recognizedText);
fclose(fid);

---

二、关键模块详解

1. 图像预处理优化

function processedImg = advancedPreprocess(img)
    % 自动对比度增强
    enhanced = adapthisteq(img, 'ClipLimit', 0.02); % CLAHE算法
    
    % 倾斜校正
    [theta, rho] = hough(enhanced);
    peaks = houghpeaks(rho, theta, 1);
    lines = houghlines(enhanced, theta, rho, peaks);
    angle = mean([lines(theta>0).theta]);
    rotated = imrotate(enhanced, -angle, 'crop');
    
    % 多尺度增强
    pyramid = imagePyramid(rotated, 'Scale', 1.5);
    processedImg = imresize(pyramid{2}, size(rotated));
end

2. 文本区域检测（CRAFT模型）

% 加载预训练模型
if isempty(gcp('nocreate'))
    parpool; % 启动并行池加速
end
net = load('craft_text_detection.mat'); % 下载预训练模型

% 检测函数
function bboxes = detectTextCRAFT(I)
    inputSize = [32, 128, 3];
    augmentedImg = imresize(I, inputSize(1:2));
    data = augmentedImg(:,:,:,1);
    bboxes = detect(net, data);
end

3. 字符分割算法

function chars = segmentCharacters(bwImg, bboxes)
    chars = {};
    for i = 1:size(bboxes,1)
        roi = imcrop(bwImg, bboxes(i,:));
        stats = regionprops(roi, 'BoundingBox');
        for j = 1:numel(stats)
            charBbox = stats(j).BoundingBox;
            charImg = imresize(imcrop(roi, charBbox), [40,40]);
            chars{end+1} = charImg;
        end
    end
end

---

三、完整应用案例

工业仪表读数识别

function readInstrument(imgPath)
    % 预处理
    img = imread(imgPath);
    processed = advancedPreprocess(img);
    
    % 区域定位（仪表盘ROI）
    roi = [100, 200, 50, 80]; % 根据实际仪表调整坐标
    digitImg = imcrop(processed, roi);
    
    % 数字识别
    digits = detectNumbers(digitImg);
    result = num2str(digits);
    
    % 输出结果
    fid = fopen('instrument_read.txt', 'w');
    fprintf(fid, '仪表读数：%s', result);
    fclose(fid);
end

参考代码 识别图片中的文字，转化为txt www.youwenfan.com/contentcno/96148.html

四、结果验证与调试

1. 可视化调试

   function visualizeProcessing(img)
       figure;
       subplot(2,2,1); imshow(img); title('原图');
       subplot(2,2,2); imshow(preprocessedImg); title('预处理');
       subplot(2,2,3); imshow(bboxes); title('文本区域');
       subplot(2,2,4); imshow(recognizedText); title('识别结果');
   end
   

2. 错误分析

   function errorAnalysis(groundTruth, ocrResult)
       confMat = confusionmat(groundTruth, ocrResult);
       figure;
       confusionchart(confMat);
       title('字符识别混淆矩阵');
   end
   

---

五、扩展功能建议

1. 批量处理

   function batchProcess(folderPath)
       files = dir(fullfile(folderPath, '*.jpg'));
       for i = 1:numel(files)
           processImage(fullfile(folderPath, files(i).name));
       end
   end
   

2. Web服务部署

   webApp = matlab.web.app.ServerApp;
   webApp.addSourceFiles('app.m');
   webApp.start();
   

---

六、注意事项

1. 环境配置 安装Computer Vision Toolbox和Deep Learning Toolbox 下载CRAFT预训练模型（需MATLAB R2022a+）
2. 性能瓶颈 大尺寸图像建议先降采样（imresize） 使用parfor实现并行计算加速

---

七、参考文献

1. 基于模板匹配的OCR实现（CSDN博客）
2. MATLAB图像文字识别优化指南
3. CRAFT文本检测模型使用说明
4. 字符分割与匹配算法实现