检测图像中的文本有多种方法。
我建议在这里查看此问题 ,因为它也可以回答您的问题 。尽管它不在python中,但是代码可以轻松地从c ++转换为python(只需查看API并将方法从c ++转换为python,就不难了。当我针对自己的独立问题尝试使用它们的代码时,我自己做的) 。这里的解决方案可能不适用于您的情况,但我建议您尝试一下。
如果要执行此操作,请执行以下过程:
准备图像:如果您要编辑的所有图像都大致与您提供的图像相似,则实际设计由一系列灰色组成,文本始终为黑色。我首先将所有不是黑色(或已经是白色)的内容涂白。这样做将只留下黑色文本。
# must import if working with opencv in python
import numpy as np
import cv2
# removes pixels in image that are between the range of
# [lower_val,upper_val]
def remove_gray(img,lower_val,upper_val):
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
lower_bound = np.array([0,0,lower_val])
upper_bound = np.array([255,255,upper_val])
mask = cv2.inRange(gray, lower_bound, upper_bound)
return cv2.bitwise_and(gray, gray, mask = mask)
现在,您所拥有的只是黑色文本,目标是得到那些盒子。如前所述,有多种解决方法。
笔划宽度变换(SWT)
查找文本区域的典型方法:您可以通过使用笔触宽度变换来查找文本区域,如Boris Epshtein,Eyal Ofek和Yonatan Wexler所著的“通过笔触宽度变换检测自然场景中的文本”中所述 。老实说,如果这与我所相信的一样快速和可靠,那么该方法比下面的代码更有效。不过,您仍然可以使用上面的代码删除蓝图设计,这可能有助于swt算法的整体性能。
这是一个实现其算法的ac库 ,但据说它很原始,文档不完整。显然,将需要一个包装器才能将该库与python一起使用,目前我看不到官方提供的包装器。
我链接的库是CCV 。它是一个应在您的应用程序中使用的库,而不是重新创建算法。因此,这是要使用的一种工具,这与OP出于从“第一原则”中使之成为现实的想法不符,正如评论中所述。如果您不想自己编写算法,知道它的存在仍然很有用。
自制非SWT方法
如果您有每个图像的元数据(例如,在xml文件中),该数据指出了每个图像中标记了多少个房间,则可以访问该xml文件,获取有关图像中有多少个标签的数据,然后将其存储一些变量中的数字num_of_labels
。现在,将您的图像放入一个while循环中,该循环以您指定的设定速率腐蚀,在每个循环中找到图像的外部轮廓,并在与num_of_labels
具有相同数量的外部轮廓时停止循环。然后只需找到每个轮廓的边界框即可。
# erodes image based on given kernel size (erosion = expands black areas)
def erode( img, kern_size = 3 ):
retval, img = cv2.threshold(img, 254.0, 255.0, cv2.THRESH_BINARY) # threshold to deal with only black and white.
kern = np.ones((kern_size,kern_size),np.uint8) # make a kernel for erosion based on given kernel size.
eroded = cv2.erode(img, kern, 1) # erode your image to blobbify black areas
y,x = eroded.shape # get shape of image to make a white boarder around image of 1px, to avoid problems with find contours.
return cv2.rectangle(eroded, (0,0), (x,y), (255,255,255), 1)
# finds contours of eroded image
def prep( img, kern_size = 3 ):
img = erode( img, kern_size )
retval, img = cv2.threshold(img, 200.0, 255.0, cv2.THRESH_BINARY_INV) # invert colors for findContours
return cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE) # Find Contours of Image
# given img & number of desired blobs, returns contours of blobs.
def blobbify(img, num_of_labels, kern_size = 3, dilation_rate = 10):
prep_img, contours, hierarchy = prep( img.copy(), kern_size ) # dilate img and check current contour count.
while len(contours) > num_of_labels:
kern_size += dilation_rate # add dilation_rate to kern_size to increase the blob. Remember kern_size must always be odd.
previous = (prep_img, contours, hierarchy)
processed_img, contours, hierarchy = prep( img.copy(), kern_size ) # dilate img and check current contour count, again.
if len(contours) < num_of_labels:
return (processed_img, contours, hierarchy)
else:
return previous
# finds bounding boxes of all contours
def bounding_box(contours):
bBox = []
for curve in contours:
box = cv2.boundingRect(curve)
bBox.append(box)
return bBox
通过上述方法得到的盒子将在标签周围留有空间,如果将盒子应用于原始图像,则这可能包括原始设计的一部分。为避免这种情况,请通过新找到的框来设置感兴趣的区域并修剪空白区域。然后将该roi的形状另存为新框。
也许您无法知道图像中将包含多少个标签。如果是这种情况,那么我建议您尝试使用腐蚀值,直到找到最适合您的情况的腐蚀值并获得所需的斑点为止。
或者,您也可以在删除设计后尝试在其余内容上找到轮廓,然后根据边界框彼此之间的距离将边界框组合成一个矩形。
找到盒子后,只需将这些盒子用于原始图像即可。
OpenCV 3中的场景文本检测模块
如您对问题的评论中所述,opencv 3中已经存在一种场景文本检测(而非文档文本检测)的方法。我知道您没有能力切换版本,但是对于那些有相同问题且不受限制的版本对于较旧的opencv版本,我决定在末尾添加它。可以通过简单的Google搜索找到有关场景文本检测的文档。
用于文本检测的opencv模块还带有实现tessaract的文本识别,这是一个免费的开源文本识别模块。 tessaract的衰落,因此opencv的场景文本识别模块的不足在于它不如商业应用程序那么完善,并且使用起来很耗时。因此降低了它的性能,但是却免费使用,因此,如果您也想要文本识别,那是我们最好的而无需花钱的方法。
链接:
老实说,我缺乏在opencv和图像处理方面的经验和专业知识,无法提供实现其文本检测模块的详细方法。与SWT算法相同。过去几个月,我才刚接触到这些东西,但是随着我学到更多,我将编辑此答案。
0
我想使用python 2.7和opencv 2.4.9检测图像的文本区域,并在其周围绘制一个矩形区域。如下面的示例图片所示。
我是图像处理的新手,因此任何实现此方法的想法将不胜感激。