OpenCV之OCR文字识别(扫描后处理)

一、OpenCV之OCR文字识别(扫描后处理)

1、OCR技术，即光学字符识别，是在扫描文档后自动提取文字及版面信息的过程。OpenCV在进行OCR识别时，主要分为扫描和识别两大步骤。通过边缘检测、获取轮廓和透视变换等操作，将图像转换成文字。下面将详细介绍OCR识别的流程，以帮助读者理解和实现文字识别功能。

2、在扫描过程中，需要完成边缘检测、获取轮廓以及透视变换。边缘检测是OCR识别的第一步，通过提取图像中的边缘信息，为后续的轮廓识别打下基础。

3、在边缘检测阶段，先导入OpenCV所需的库，并读取需要扫描的图片，将其调整至合适的大小。预处理阶段包括将图片转为灰度图，并使用高斯滤波来减少噪声，然后应用Canny边缘检测算法提取边缘。

4、接下来是轮廓检测阶段，目的是找到包含文字的轮廓。首先，通过计算边缘图中所有轮廓的面积，按面积从大到小排序，并选取面积最大的几个轮廓进行近似处理。近似处理后，若轮廓的点数为4，即为需要的四边形轮廓。最后，将找到的轮廓在原图上进行绘制，以展示识别结果。

5、完成轮廓检测后，需要进行透视变换以获得文字的正视角图像。这一步通过找到四边形轮廓的四个顶点坐标，对原图进行透视变换，将倾斜的图像调整为水平状态，便于后续的文字识别。

6、识别阶段通常使用tesseract库进行OCR识别操作。首先，确保已下载并安装tesseract库。然后，配置环境变量，将tesseract库的路径添加到系统环境变量中。在命令行中使用tesseract命令进行OCR识别，将扫描后的图片信息保存至文本文件中。

7、若需在Python中实现OCR识别，可使用pytesseract库。首先，通过pip安装pytesseract库。接下来，导入PIL、pytesseract和cv2库，并根据需要对图像进行预处理（如模糊处理或阈值处理）。最后，利用pytesseract.image_to_string函数识别图像中的文本内容，并打印或保存识别结果。

8、通过遵循上述流程，可以成功实现OpenCV中的OCR文字识别功能，从扫描后的图像中自动提取文字信息，为后续的文本处理或分析提供支持。

二、如何在OpenCV中实现文字识别和OCR

在OpenCV中，文字识别和OCR功能可通过集成开源的Tesseract OCR引擎来实现。该引擎的强大之处在于其能识别图像中的文字，并将其转化为可编辑的文本。

要实现这一功能，首先需要理解基本步骤。以下是一个简化后的示例代码，展示了如何在OpenCV环境中运用Tesseract进行文字识别：

1.安装Tesseract OCR：确保在项目环境中安装了Tesseract，并将其路径添加到系统路径中。

2.图像预处理：对输入图像进行去噪、二值化等预处理步骤，提高识别质量。这可能包括灰度化、滤波和边缘检测。

3.使用OpenCV读取图像：通过OpenCV加载图像，并将其转化为适合OCR处理的格式。

4.调用Tesseract：调用Tesseract的API，将图像传递给OCR引擎进行文字识别。

5.获取识别结果：解析Tesseract返回的识别文本，进行后续处理或存储。

值得注意的是，实际效果会受图像质量、预处理效果和Tesseract配置的影响。根据应用场景，可能需要调整预处理参数和OCR引擎的设置，以优化文字识别的准确性。

以上是关于在OpenCV中实现文字识别和OCR的基础指南，希望对您的学习有所帮助。如果你对具体步骤有疑问，或者需要更深入的资源，欢迎查阅相关教程和配套资料。

三、怎么使用opencv提取hog特征

HOG特征提取方法就是将一个image：

1.灰度化（将图像看做一个x,y,z（灰度）的三维图像）

3.计算每个cell中每个pixel的gradient（即orientation）

4.统计每个cell的梯度直方图（不同梯度的个数），即可形成每个cell的descriptor

int _tmain(int argc, char** argv)

Mat trainImg;//需要分析的图片

trainImg=imread("1.jpg",1);//读取图片

HOGDescriptor*hog=new HOGDescriptor(cvSize(3,3),cvSize(3,3),cvSize(5,10),cvSize(3,3),9);//具体意思见参考文章1,2

vector<float>descriptors;//结果数组

hog->compute(trainImg, descriptors,Size(1,1), Size(0,0));//调用计算函数开始计算

printf("%d\n",descriptors.size());//打屏一下结果数组的大小，看看是否符合文献2的预估，发现完全一样，那篇文章很给力

sift("1.jpg");//这是我改写的sift...

for(int i=0;i<kp.size();i++){//这个循环就是我用来提前特征点附近3*3区域的梯度信息统计

printf("keypoint%d at%f%f\n",i,kp[i].first,kp[i].second);

if(kp[i].first==picw) kp[i].first--;

if(kp[i].first==0) kp[i].first=1;

if(kp[i].second==pich) kp[i].second--;

if(kp[i].second==0) kp[i].second=1;

int pos=(kp[i].second-1)*(picw-2)+kp[i].first-1;

res[j]+=descriptors[pos*9+j];

for(int i=0;i<9;i++) printf("%lf",res[i]);//结果以文字输出。。。

IplImage* respic;//结果以直方图输出，里面有个res.jpg是我画的直方图背景图，没有这个图跑不了程序，把从这以下代码注释掉吧

if((respic= cvLoadImage("res.jpg", 1))== 0) return-1;

for(int i=0;i<9;i++) if(maxx<res[i]) maxx=res[i];

for(int i=0;i<9;i++) cvRectangle(respic, cvPoint(150+51*i,(maxx-res[i])/maxx*(352-77)+77),

cvPoint(201+51*i,351), CV_RGB(0, 0, 0),

cvInitFont(&font, CV_FONT_HERSHEY_SIMPLEX, 0.5, 0.5, 0);

cvPutText(respic,outs,cvPoint(53,83),&font,CV_RGB(0, 0, 0));

cvShowImage("image1", respic);