目錄寫在前面技術棧實現(xiàn)思路具體實現(xiàn)讀取圖片二值化圖像膨脹找輪廓外接矩形過濾字符字符分割構造數(shù)據集向量搜索（分類）生成結果寫在前面

當然這里說的百分百可能有點夸張，但其實想象一下，游戲里面的某個窗口的字符就是那種樣子，不會變化的。而且識別的字符可能也不需要太多。中文有大幾千個常用字，還有各種符號，其實都不需要。

這里針對的場景很簡單，主要是有以下幾點：

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

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：

pip install opencv-pythonpip install imutilspip install matplotlib實現(xiàn)思路

首先看下圖片的灰度圖。

第一步：二值化，將灰度轉換為只有黑白兩種顏色。

第二步：圖像膨脹，因為我們要通過找輪廓算法找到每個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，三點水這種無法將一個整體進行分割，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矩形框，而不是無規(guī)則的。

第五步：過濾字符，這里比如說標點符號對我來說沒用，我通過矩形框大小把它過濾掉。

第六步：字符分割，根據矩形框分割字符。

第七步：構造數(shù)據集，每一類基本上放一兩張圖片就可以。

第八步：向量搜索+生成結果，根據數(shù)據集的圖片，進行向量搜索得到識別的標簽。然后根據圖片分割的位置，對識別結果進行排序。

具體實現(xiàn)讀取圖片

首先先讀取待識別的圖片。

import cv2import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib.colors import NoNormimport imutilsfrom PIL import Imageimg_file = 'test.png'im = cv2.imread(img_file, 0)

使用matplotlib畫圖結果如下：

二值化

在進行二值化之前，首先進行灰度分析。

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

接下來進行一個圖像的縱向膨脹，選擇一個膨脹的維度，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)

接下來我們再讀取一下原圖，繪制輪廓看下輪廓的樣子。

外接矩形

對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就是將輪廓內的顏色填充成黑色。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))

填充后可以看到標點符號就沒了。

字符分割

因為圖像是個矩陣，最后字符分割就是使用切片進行分割。

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()構造數(shù)據集

最后我們創(chuàng)建數(shù)據集進行標注，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，并且完成標注。

import cv2import numpy as npimport imutilsfrom matplotlib import pyplot as pltimport uuiddef 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: continuecropImg = thresh[y:y + h, x:x + w]char_list.append((x, cropImg)) return char_listfor 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）

向量搜索其實就是個最近鄰搜索的問題，我們可以使用sklearn中的KNeighborsClassifier。

訓練模型代碼如下：

import osimport numpy as npfrom sklearn.neighbors import KNeighborsClassifierimport cv2import pickleimport jsonmax_height = 30max_width = 30def 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 templatelabel2index = {}index2label = {}X = []y = []index = 0for _dir in os.listdir('ocr_datas'): new_dir = 'ocr_datas/' + _dir if os.path.isdir(new_dir):label2index[_dir] = indexindex2label[index] = _dirfor 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 += 1print(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)

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

生成結果

最后生成結果就是還是先分割一遍，然后轉換為向量，調用KNeighborsClassifier模型，找到最匹配的一個作為結果。當然這是識別一個字符的結果，我們還需要根據分割的位置進行一個排序，才能得到最后的結果。

import cv2import numpy as npimport imutilsfrom sklearn.neighbors import KNeighborsClassifierimport pickleimport jsonwith 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 = 30max_width = 30def 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: continuecropImg = thresh[y:y + h, x:x + w]char_list.append((x, cropImg)) return char_listdef 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] # 識別單個結果result.append({ 'x': ch[0], 'label': index2label[str(res)]}) result.sort(key=lambda k: (k.get(’x’, 0)), reverse=False) # 因為是單行的，所以只需要通過x坐標進行排序。 return ''.join([it['label'] for it in result])print(ocr_recognize('test1.png'))

以上就是python 如何做一個識別率百分百的OCR的詳細內容，更多關于python 做一個OCR的資料請關注好吧啦網其它相關文章！