我自己的OCR程序在Python [英] My own OCR-program in Python
本文介绍了我自己的OCR程序在Python的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我还是个初学者，但我想写一个字符识别程序。该程序还没有准备好。而我编辑了很多，为此该意见可能不完全匹配。我将使用8连通的连接成分标签。
从PIL进口图片
导入numpy的是NPIM = Image.open（D：\\\\ Python26 \\\\ Python的计划\\\\ bild_schrift.jpg）W，H = im.size
W = INT（W）
H = INT（H）＃二维阵区
面积= []
在范围（宽）x：
area.append（[]）
在范围（H）Y：
区域[X] .append（2）#NUMBER 0是白色的，1号为黑色＃二维数组字母
信= []
在范围X（50）：
letter.append（[]）
y的范围内的（50）：
函[X] .append（0）＃二维数组的标签
标签= []
在范围X（50）：
label.append（[]）
y的范围内的（50）：
标签[X] .append（0）#image到数字的转换
PIX = im.load（）
阈值= 200
在范围（宽）x：
在范围（H）Y：
AAA = PIX [X，Y]
BBB = AAA [0] + aaa的[1] + AAA [2]＃合计值
如果BBB＆LT; =门槛：
区域[X] [Y] = 1
如果BBB＆GT;门槛：
区域[X] [Y] = 0
np.set_printoptions（阈值='男'，线宽= 10）#matrix transponation
CCC = np.array（区）
面积= ccc.T #better解决方案？#find全黑的像素和设置临时标签号码
I = 1
在范围X（40）：＃宽（后下）
有效范围内的Y（40）：＃heigth（后下）
如果区域[X] [Y] == 1：
函[X] [Y] = 1
标签[X] [Y] =我
I + = 1#connected成分标签
在范围X（40）：＃宽（后下）
有效范围内的Y（40）：＃heigth（后下）
如果区域[X] [Y] == 1：
标签[X] [Y] =我
＃如果像素邻居：
如果区域[X] [Y + 1] == 1：
#pixel和邻居获得最低的标签
传递＃明天的工作
如果区[X + 1] [Y] == 1：
#pixel和邻居获得最低的标签
传递＃明天的工作
#should我也比较像素和左邻？信#find宽度
信#find高度
#find信的中间
#middle = [宽度/ 2] [高度/ 2]＃？
#divide信成30份 - ＆GT; 5×6阵列#model信
#letter A-Z，A-Z，0-9（也许更多）#compare每个字母的30份与所有型号的字母
了#make加权#PRINT（信）im.save（D：\\\\ Python26 \\\\ Python的计划\\\\ bild2.jpg）
打印（'完成'）
解决方案
OCR的确不是一件容易的事。这就是为什么文本CAPTCHA系统仍然工作：）
要只信约的提取，而不是模式识别，你正在使用的字母分开谈的技术被称为的 连通区域标记 。既然你要求一个更有效的方式来做到这一点，试图实现的这篇文章中描述的两个通算法。另一种描述可以在文章斑点提取被发现。
修改：下面是我所提出的算法的实现：
进口SYS
从PIL导入图像，ImageDraw类地区（）：
高清__init __（自我，X，Y）：
self._pixels = [（X，Y）]
self._min_x = X
self._max_x = X
self._min_y = Y
self._max_y = Y 高清加（个体经营，X，Y）：
self._pixels.append（（X，Y））
self._min_x =分钟（self._min_x，x）的
self._max_x =最大值（self._max_x，x）的
self._min_y =分钟（self._min_y，Y）
self._max_y = MAX（self._max_y，Y） 高清盒（个体经营）：
返回[（self._min_x，self._min_y），（self._max_x，self._max_y）]高清find_regions（IM）：
宽度，高度= im.size
区域= {}
pixel_region = [[0 y的范围内（高度）]对于x在范围（宽度）]
等价= {}
n_regions = 0
#first通。找到的区域。
在的xrange（宽）×：
在的xrange（高度）Y：
#look为一个黑色象素
如果im.getpixel（（X，Y））==（0，0，0，255）：#BLACK
＃从北部或西部获得该地区数
＃或创建新区域
region_n = pixel_region [X-1] [Y]如果x＆GT; 0 0其他
region_w = pixel_region [X] [Y-1]如果y＆GT; 0 0其他 max_region = MAX（region_n，region_w） 如果max_region＆GT; 0：
＃A的邻居已经有一个区域
＃新区域是最小的＆GT; 0
new_region =分钟（过滤器（拉姆达I：我大于0，（region_n，region_w）））
#UPDATE等价
如果max_region＆GT; new_region：
如果max_region在等价：
等价[max_region]。新增（new_region）
其他：
等价[max_region] =集（（new_region，））
其他：
n_regions + = 1
new_region = n_regions pixel_region [X] [Y] = new_region 再次#Scan形象，指派所有等效区域同一区域的价值。
在的xrange（宽）×：
在的xrange（高度）Y：
R = pixel_region [X] [Y]
如果R＆GT; 0：
而R IN等价：
R =分钟（等价[R]） 如果没有区域R：
地区[R] =区域（X，Y）
其他：
地区[R]。新增（X，Y） 返回列表（regions.itervalues（））高清的main（）：
IM = Image.open（RC：\\用户\\个人\\ PY \\ OCR \\ test.png）
地区= find_regions（IM）
画= ImageDraw.Draw（IM）
在地区R：
draw.rectangle（r.box（），大纲=（255，0，0））
德尔平局
＃im.show（）
输出=文件（output.png，WB）
im.save（输出）
output.close（）如果__name__ ==__main__：
主要（）
这里是输出文件：
这不是100％完美，但因为你这样做只是为了学习目的，它可能是一个很好的起点。随着每个字符的边框，你现在可以使用神经网络作为其他人建议在这里。
I am still a beginner but I want to write a character-recognition-program. This program isn't ready yet. And I edited a lot, therefor the comments may not match exactly. I will use the 8-connectivity for the connected component labeling.
from PIL import Image
import numpy as np
im = Image.open("D:\\Python26\\PYTHON-PROGRAMME\\bild_schrift.jpg")
w,h = im.size
w = int(w)
h = int(h)
#2D-Array for area
area = []
for x in range(w):
area.append([])
for y in range(h):
area[x].append(2) #number 0 is white, number 1 is black
#2D-Array for letter
letter = []
for x in range(50):
letter.append([])
for y in range(50):
letter[x].append(0)
#2D-Array for label
label = []
for x in range(50):
label.append([])
for y in range(50):
label[x].append(0)
#image to number conversion
pix = im.load()
threshold = 200
for x in range(w):
for y in range(h):
aaa = pix[x, y]
bbb = aaa[0] + aaa[1] + aaa[2] #total value
if bbb<=threshold:
area[x][y] = 1
if bbb>threshold:
area[x][y] = 0
np.set_printoptions(threshold='nan', linewidth=10)
#matrix transponation
ccc = np.array(area)
area = ccc.T #better solution?
#find all black pixel and set temporary label numbers
i=1
for x in range(40): # width (later)
for y in range(40): # heigth (later)
if area[x][y]==1:
letter[x][y]=1
label[x][y]=i
i += 1
#connected components labeling
for x in range(40): # width (later)
for y in range(40): # heigth (later)
if area[x][y]==1:
label[x][y]=i
#if pixel has neighbour:
if area[x][y+1]==1:
#pixel and neighbour get the lowest label
pass # tomorrows work
if area[x+1][y]==1:
#pixel and neighbour get the lowest label
pass # tomorrows work
#should i also compare pixel and left neighbour?
#find width of the letter
#find height of the letter
#find the middle of the letter
#middle = [width/2][height/2] #?
#divide letter into 30 parts --> 5 x 6 array
#model letter
#letter A-Z, a-z, 0-9 (maybe more)
#compare each of the 30 parts of the letter with all model letters
#make a weighting
#print(letter)
im.save("D:\\Python26\\PYTHON-PROGRAMME\\bild2.jpg")
print('done')
解决方案
OCR is not an easy task indeed. That's why text CAPTCHAs still work :)
To talk only about the letter extraction and not the pattern recognition, the technique you are using to separate the letters is called Connected Component Labeling. Since you are asking for a more efficient way to do this, try to implement the two-pass algorithm that's described in this article. Another description can be found in the article Blob extraction.
EDIT: Here's the implementation for the algorithm that I have suggested:
import sys
from PIL import Image, ImageDraw
class Region():
def __init__(self, x, y):
self._pixels = [(x, y)]
self._min_x = x
self._max_x = x
self._min_y = y
self._max_y = y
def add(self, x, y):
self._pixels.append((x, y))
self._min_x = min(self._min_x, x)
self._max_x = max(self._max_x, x)
self._min_y = min(self._min_y, y)
self._max_y = max(self._max_y, y)
def box(self):
return [(self._min_x, self._min_y), (self._max_x, self._max_y)]
def find_regions(im):
width, height = im.size
regions = {}
pixel_region = [[0 for y in range(height)] for x in range(width)]
equivalences = {}
n_regions = 0
#first pass. find regions.
for x in xrange(width):
for y in xrange(height):
#look for a black pixel
if im.getpixel((x, y)) == (0, 0, 0, 255): #BLACK
# get the region number from north or west
# or create new region
region_n = pixel_region[x-1][y] if x > 0 else 0
region_w = pixel_region[x][y-1] if y > 0 else 0
max_region = max(region_n, region_w)
if max_region > 0:
#a neighbour already has a region
#new region is the smallest > 0
new_region = min(filter(lambda i: i > 0, (region_n, region_w)))
#update equivalences
if max_region > new_region:
if max_region in equivalences:
equivalences[max_region].add(new_region)
else:
equivalences[max_region] = set((new_region, ))
else:
n_regions += 1
new_region = n_regions
pixel_region[x][y] = new_region
#Scan image again, assigning all equivalent regions the same region value.
for x in xrange(width):
for y in xrange(height):
r = pixel_region[x][y]
if r > 0:
while r in equivalences:
r = min(equivalences[r])
if not r in regions:
regions[r] = Region(x, y)
else:
regions[r].add(x, y)
return list(regions.itervalues())
def main():
im = Image.open(r"c:\users\personal\py\ocr\test.png")
regions = find_regions(im)
draw = ImageDraw.Draw(im)
for r in regions:
draw.rectangle(r.box(), outline=(255, 0, 0))
del draw
#im.show()
output = file("output.png", "wb")
im.save(output)
output.close()
if __name__ == "__main__":
main()
And here is the output file:
It's not 100% perfect, but since you are doing this only for learning purposes, it may be a good starting point. With the bounding box of each character you can now use a neural network as others have suggested here.
这篇关于我自己的OCR程序在Python的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
![死链接](\"http://img171.imageshack.us/img171/3476/outputf.png\"){kind=link}
