导读

本文主要介绍一个复杂背景下OCR数字提取识别实例，并将Halcon实现转为OpenCV。

实例来源

Halcon例程ocrcolor.hdev，例程代码精简修改如下：

* Author: Color Space 
* 来源-公众号：OpenCV与AI深度学习 
*-------------------------------- 
dev_get_window (WindowHandle) 
read_image (Image, '5.png') 
 
decompose3 (Image, R, G, B) 
trans_from_rgb (R, G, B, H, S, V, 'hsv') 
threshold (B, Regions, 0, 240) 
dilation_circle (Regions, RegionDilation, 4.5) 
connection (RegionDilation, ConnectedRegions) 
 
dev_display (Image) 
select_shape (ConnectedRegions, SelectedRegions, ['width','height'], 'and', [25.86,80.71], [67.84,138.51]) 
sort_region(SelectedRegions, SortedRegions, 'first_point', 'true', 'column') 
 
read_ocr_class_mlp ('Industrial_0-9_NoRej', OCRHandle) 
do_ocr_multi_class_mlp (SortedRegions, B, OCRHandle, RecChar, Confidence) 
area_center (SortedRegions, Area, Row, Column) 
set_display_font (WindowHandle, 27, 'mono', 'true', 'false') 
disp_message (WindowHandle, sum(RecChar), 'window', 32, 24, 'red', 'false') 

实现效果：

OpenCV实现步骤与代码

实现步骤:

【1】分离RGB颜色通道，选择B(蓝色)通道处理；

【2】阈值处理，凸显出数字；

【3】形态学：膨胀 + 腐蚀 ->或直接闭运算，将数字轮廓断开部分连接

【4】轮廓筛选，剔除杂讯

【5】使用PaddleOCR或EasyOCR直接用以上步骤二值图识别。

逐步效果演示与代码:

完整源码：

# Author:Color Space 
# 来源-公众号：OpenCV与AI深度学习 
# -------------------------------- 
import numpy as np 
import cv2 
import easyocr 
 
reader = easyocr.Reader(['en']) 
img = cv2.imread('2.png') 
cv2.imshow('src', img) 
 
B,G,R=cv2.split(img) 
 
ret,thres= cv2.threshold(B, 230, 255, cv2.THRESH_BINARY_INV) 
cv2.imshow('thres', thres) 
 
 
k1=np.ones((11,11), np.uint8) 
k2=np.ones((9,9), np.uint8) 
thres = cv2.morphologyEx(thres, cv2.MORPH_DILATE, k1) 
thres = cv2.morphologyEx(thres, cv2.MORPH_ERODE, k2) 
cv2.imshow('morph', thres) 
#cv2.imwrite('morph.jpg', thres) 
 
contours,hierarchy = cv2.findContours(thres, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE) 
rects = [] 
for cnt in contours: 
  (x, y, w, h) = cv2.boundingRect(cnt) 
  if w>200 or h > 200: 
    #cv2.rectangle(img,(x,y),(x+w,y+h),(0,0,255),1) 
    cv2.drawContours(thres,cnt,-1,(0,0,0),-1) 
  if w > 10 and w < 70 or h > 50 and h < 90: 
    cv2.drawContours(img,cnt,-1,(255,0,0),2) 
#cv2.imwrite('morph.jpg', thres) 
 
result = reader.readtext(thres) 
if len(result) > 0: 
  for i in range(0,len(result)): 
    pt1 = (tuple(result[i][0][0])) 
    pt2 = (tuple(result[i][0][1])) 
    pt3 = (tuple(result[i][0][2])) 
    pt4 = (tuple(result[i][0][3])) 
    cv2.line(img,pt1,pt2,(0,0,255),2,cv2.LINE_AA) 
    cv2.line(img,pt2,pt3,(0,0,255),2,cv2.LINE_AA) 
    cv2.line(img,pt3,pt4,(0,0,255),2,cv2.LINE_AA) 
    cv2.line(img,pt4,pt1,(0,0,255),2,cv2.LINE_AA) 
    print(result[i][1]) 
    strText = result[i][1].replace(' ','') 
    cv2.putText(img,strText,(pt1[0]+2,pt1[1]-5),0,1.0,(255,0,255),2) 
 
else: 
  print('have not found any text!') 
 
cv2.imshow('result', img) 
cv2.imwrite('result.jpg', img) 
 
cv2.waitKey(0) 
cv2.destroyAllWindows() 
print ('finish')