目錄
- 1. USB攝像頭取圖
- 2. 圖像預處理：獲取屏幕ROI
- 2.1. 分離提取屏幕區域
- 2.2. 計算屏幕區域的旋轉角度
- 2.3. 裁剪屏幕區域
- 2.4. 旋轉圖像至正向視角
- 2.5. 提取文字圖像
- 2.6. 封裝上述過程
- 3. 字符分割，獲取單個字符的圖像
- 4. 模板匹配：確定字符內容
- 4.1. make_template
- 4.2. 模板修復
- 4.3. 重新加載模板數據
- 4.4. 模板匹配
1. USB攝像頭取圖
由於分辨率越高，處理的像素就越多，導致分析圖像的時間變長，這裏，我們設定攝像頭的取圖像素為（240,320）：
cap = cv2.VideoCapture(0) # 根據電腦連接的情況填入攝像頭序號
assert cap.isOpened()
# 以下設置显示屏的寬高
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 320)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 240)
cap.set(cv2.CAP_PROP_FOURCC, cv2.VideoWriter.fourcc('M', 'J', 'P', 'G'))
這裏提幾個常用的標準分辨率：
- VGA (Video Graphics Array): 640×480
- QVGA (QuarterVGA): 240×320
- QQVGA: 120×160
接下來可以捕獲一幀數據看一下狀態：
# %% 捕獲一幀清晰的圖像
def try_frame():
while True:
ret, im_frame = cap.read()
cv2.imshow("frame", im_frame) # 显示圖像
# im_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 可選擇轉換為灰度圖
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cv2.destroyAllWindows()
return im_frame
im_frame = try_frame()
env.imshow(im_frame)
ps: 鏡頭角度會存在一定的歪斜，沒有關係，我們後面會進行處理。
2. 圖像預處理：獲取屏幕ROI
利用屏幕的亮度，通過簡單的閾值操作和輪廓操作，獲取屏幕輪廓，然後將圖像角度校正，最後獲得正向的文字內容。
2.1. 分離提取屏幕區域
通過OTSU的閾值化操作，將圖像處理為二值狀態。這個很重要，因為如果直接使用彩圖或灰度圖，會由於外部光線的變化，導致後期字符匹配時整體灰度值與模板的差別而降低置信度，導致較大的誤差。而二值圖可以避免這個問題。
然後利用開運算（白底黑字，如果黑底白字則為閉運算），消除噪點。
im_latest = try_frame()
im_gray = mvlib.color.rgb2gray(image)
im_bin = mvlib.filters.threshold(im_gray, invert=False)
# im_erosion = mvlib.morphology.erosion(im_bin, (11, 11))
# im_dilation = mvlib.morphology.dilation(im_erosion, (5, 5))
im_opening = mvlib.morphology.opening(im_bin, (11, 11))
env.imshow(im_opening)
2.2. 計算屏幕區域的旋轉角度
提取圖像的最大輪廓，然後獲取其包絡矩形。
list_cnts = mvlib.contours.find_cnts(im_opening)
if len(list_cnts) != 1:
print(f"非唯一輪廓，請通過面積篩選過濾")
# assert 0
cnts_sorted = mvlib.contours.cnts_sort(list_cnts, mvlib.contours.cnt_area)
list_cnts = [cnts_sorted[0]]
box, results = mvlib.contours.approx_rect(list_cnts[0], True)
angle = results[2] # 此處的角度是向逆時針傾斜，記作：-4
if abs(angle) > 45:
angle = (angle + 45) % 90 - 45
print(angle, box)
上述過程輸出：
1.432098388671875
[[282 173]
[ 29 167]
[ 32 41]
[285 47]]
2.3. 裁剪屏幕區域
至此可以丟棄im_opening以及im_bin的圖像了。我們重新回到im_gray上進行操作（需要重新進行閾值化以獲取文字的二值圖）。
list_width = box[:,0]
list_height= box[:,1]
w_min, w_max = min(list_width), max(list_width)
h_min, h_max = min(list_height), max(list_height)
im_screen = im_gray[h_min:h_max, w_min:w_max]
env.imshow(im_screen)
2.4. 旋轉圖像至正向視角
im_screen_orthogonal = mvlib.transform.rotate(im_screen, angle, False)
# env.imshow(im_screen_orthogonal)
im_screen_core = im_screen_orthogonal[20:-20, 20:-20]
env.imshow(im_screen_core)
2.5. 提取文字圖像
第二次執行閾值化操作，但這一次是在屏幕內部，排除了屏幕外複雜的背景后，可以很容易的獲取到文字的內容。由於我們只關心数字，所以通過閉運算將細體字過濾掉。
im_core_bin = mvlib.filters.threshold(im_screen_core, invert=False)
im_closing = mvlib.morphology.closing(im_core_bin, (3,3))
env.imshow(im_closing)
2.6. 封裝上述過程
瑣碎的預處理過程就告一段落了，我們可以將上述的內容封裝成一個簡單的函數：
def preprocess():
# 獲取屏幕區域
im_latest = try_frame()
...
im_closing = mvlib.morphology.closing(im_core_bin, (3,3))
return im_closing
3. 字符分割，獲取單個字符的圖像
字符分割，一方面是製作模板的需要（當然，你也可以直接用畫圖工具裁剪出一張模板圖像）；另一方面是為了加速模板匹配的效率。當然，你完全可以在整張圖像上利用 match_template() 查找模板，但如果進行多模板匹配，重複的掃描整張圖像，效率就大打折扣了。
先提供完整的代碼
char_width_min = 7
gap_height_max = 5
def segment_chars(im_core):
list_char_img = []
# 字符區域
raw_bkg = np.all(im_core, axis=0)
col_bkg = np.all(im_core, axis=1)
# 計算字高
ndarr_char_height = np.where(False == col_bkg)[0]
char_height_start = ndarr_char_height[0]
item_last = ndarr_char_height[0]
for item in ndarr_char_height:
if item - item_last > gap_height_max:
char_height_start = item
item_last = item
char_height_end = ndarr_char_height[-1] +1
print(f"字高【{char_height_end - char_height_start}】")
ndarr_chars_pos = np.where(False == raw_bkg)[0]
ndarr_chars_pos = np.append(ndarr_chars_pos,
im_core.shape[1] + char_width_min)
last_idx = ndarr_chars_pos[0]
curr_char_width = 1
for curr_idx in ndarr_chars_pos:
idx_diff = curr_idx - last_idx
# 這裏應該限制最小寬度>=2，否則認為是一個粘連字
if idx_diff <= 2:
curr_char_width += idx_diff
else: # 新的字符
char_width_end = last_idx +1
char_width_start = char_width_end - curr_char_width
im_char_last = im_core[char_height_start:char_height_end,
char_width_start:char_width_end]
list_char_img.append(im_char_last)
curr_char_width = 0
last_idx = curr_idx
return list_char_img
按照行列，獲取圖像中的文字像素點集：
raw_bkg = np.all(im_core, axis=0)
col_bkg = np.all(im_core, axis=1)
由此，可以知道255（黑色）的區域從大約 39 到 75，那麼 75 - 29 = 36 就是字高。
另外，圖像中有可能存在噪點，去掉就是了（我這裏只是簡單粗暴的處理下，請見諒）。
行的處理同樣。如果發現間隔，那麼就可以分離字符。最後，輸出每個字符的圖像。
檢驗下效果：
list_char_imgs = segment_chars(im_core)
env.imshow(list_char_imgs[1])
4. 模板匹配：確定字符內容
利用模板匹配，實現字符識別的過程。這裏不再細說OpenCV的 cv2.matchTemplate() 函數，只描述應用過程。
4.1. make_template
首先，有必要把字符先作為模板存儲下來。
def make_tpls(list_tpl_imgs, dir_save, dict_tpl=None):
if not dict_tpl:
dict_tpl = {}
str_items = input("請輸入模板上的文本內容，用於校對（例如215801）： ")
assert len(str_items) == len(list_tpl_imgs)
for i, v in enumerate(str_items):
filename = v
if v in dict_tpl:
filename = v + "_" + str(random.random())
else:
dict_tpl[v] = list_tpl_imgs[i]
path_save = os.path.join(dir_save, filename + ".jpg")
mvlib.io.imsave(path_save, list_tpl_imgs[i])
return dict_tpl
這裏，同一字符有必要多存儲幾張，最後擇優（或者一個字符通過多個模板匹配的結果來確定）。
4.2. 模板修復
這個過程，雖然沒啥子技術含量，但卻對結果影響很大。在前一步驟中，我們每一個字符都收集了多張模板圖像。現在，從中擇優錄取。還有，可以手動編輯模板的圖片，去除模板多餘的白邊（邊並不是文字內容的一部分，而且會降低字符的匹配度）。
4.3. 重新加載模板數據
def load_saved_tpls(dir_tpl):
saved_tpls = os.listdir(dir_tpl)
dict_tpl = {} # {"1": imread("mvdev/tmp/tpl/1.jpg"), ...}
for i in saved_tpls:
filename = os.path.splitext(i)[0]
path_tpl = os.path.join(dir_tpl, i)
im_rgb = cv2.imread(path_tpl)
im_gray = mvlib.color.rgb2gray(im_rgb)
dict_tpl[filename] = im_gray
return dict_tpl
dir_tpl = "tpl/"
dict_tpls = load_saved_tpls(dir_tpl)
4.4. 模板匹配
def number_ocr_matching(im_char):
most_likely = [1, ""]
for key, im_tpl in dict_tpls.items():
try:
pos, similarity = mvlib.feature.match_template(im_char, im_tpl, way="most")
if similarity < most_likely[0]:
most_likely = [similarity, key]
except:
im_char_old = im_char.copy()
h = max(im_char.shape[0], im_tpl.shape[0])
w = max(im_char.shape[1], im_tpl.shape[1])
im_char = np.ones((h,w), dtype="uint8") * 255
# im_char2 = mvlib.pixel.bitwise_and(z, im_char)
im_char[:im_char_old.shape[0], :im_char_old.shape[1]] = im_char_old
pos, similarity = mvlib.feature.match_template(im_char, im_tpl, way="most")
if similarity < most_likely[0]:
most_likely = [similarity, key]
print(f"字符識別為【{most_likely[1]}】相似度【{most_likely[0]}】")
return most_likely[1]
def application(list_char_imgs):
str_ocr = ""
for im_char in list_char_imgs:
width_img = im_char.shape[1]
# 判斷字符
match_char = number_ocr_matching(im_char)
str_ocr += match_char
return str_ocr
str_ocr2 = application(list_char_imgs)
print(str_ocr2)
過程中，opencv出現了報錯，是由於模板的shape大於當前分割字符的shape。這個很正常，採集圖像時由於距離的微調（注意，距離變化不能太大，OpenCV的默認算子不支持模板縮放）可能導致字符尺寸更小。解決方案也很簡單，直接把字符圖像拓展到大於模板的狀態就OK了。
額，忘了刪除debug信息了……再來一次~
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※為什麼 USB CONNECTOR 是電子產業重要的元件?
※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!
※台北網頁設計公司全省服務真心推薦
※想知道最厲害的網頁設計公司"嚨底家"!
※推薦評價好的iphone維修中心
