亚洲高清在线不卡中文字幕网,国内精品久久影视,国产成人a一区二区

一、項(xiàng)目背景與目標(biāo)

隨著數(shù)字化辦公的普及，紙質(zhì)文檔的處理需求日益增加。傳統(tǒng)的手動(dòng)輸入方式不僅耗時(shí)費(fèi)力，還容易出錯(cuò)。而OCR技術(shù)則能夠自動(dòng)從圖像中提取文字信息，極大地提高了工作效率。本項(xiàng)目旨在通過(guò)OpenCV進(jìn)行圖像處理，結(jié)合百度OCR API的文字識(shí)別能力，實(shí)現(xiàn)一個(gè)簡(jiǎn)單、實(shí)用且高效的文檔OCR識(shí)別系統(tǒng)。

二、技術(shù)選型與工具介紹

1. OpenCV：OpenCV是一個(gè)開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù)，提供了豐富的圖像處理與分析功能。在本項(xiàng)目中，我們將利用OpenCV進(jìn)行圖像的預(yù)處理，包括灰度轉(zhuǎn)換、邊緣檢測(cè)、輪廓提取以及透射變換等，以提取出文檔的有效區(qū)域。
2.?百度OCR API：百度OCR API是百度提供的一項(xiàng)高性能文字識(shí)別服務(wù)，支持多種語(yǔ)言與字符集的識(shí)別。通過(guò)調(diào)用百度OCR API，我們可以輕松實(shí)現(xiàn)圖像中文字的自動(dòng)提取與轉(zhuǎn)換。

三、項(xiàng)目實(shí)現(xiàn)步驟

1. 圖像預(yù)處理

圖像預(yù)處理是OCR識(shí)別的關(guān)鍵步驟之一。為了獲得更好的識(shí)別效果，我們需要對(duì)原始圖像進(jìn)行一系列處理，以提取出文檔的有效區(qū)域。

? 讀取圖像：首先，我們使用OpenCV讀取原始圖像，并進(jìn)行縮放處理以適應(yīng)后續(xù)處理。
? 灰度轉(zhuǎn)換：將彩色圖像轉(zhuǎn)換為灰度圖像，以減少計(jì)算量并突出圖像中的邊緣信息。
? 邊緣檢測(cè)：利用Canny邊緣檢測(cè)算法檢測(cè)圖像中的邊緣信息。
? 輪廓提取：通過(guò)輪廓檢測(cè)算法提取出圖像中的閉合輪廓，并選擇面積最大的閉合輪廓作為文檔的邊緣。

import cv2 as cv

import numpy as np



# 讀取圖像

img = cv.imread('document.jpg', cv.IMREAD_COLOR)

org = img.copy()

ratio =0.4# 縮放比例

img = cv.resize(img, dsize=None, fx=ratio, fy=ratio)



# 灰度轉(zhuǎn)換

gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)



# 邊緣檢測(cè)

edged = cv.Canny(gray,75,200)



# 輪廓提取

cnts, hierarchy = cv.findContours(edged.copy(), cv.RETR_LIST, cv.CHAIN_APPROX_SIMPLE)

cnt =sorted(cnts, key=cv.contourArea, reverse=True)[0]# 面積最大的輪廓

peri = cv.arcLength(cnt,True)# 計(jì)算周長(zhǎng)

approx = cv.approxPolyDP(cnt,0.1* peri,True)  # 輪廓近似

2. 文檔區(qū)域確定與透射變換

在確定了文檔的邊緣后，我們需要根據(jù)邊緣的四點(diǎn)確定文檔的區(qū)域，并利用透射變換將文檔視角轉(zhuǎn)換為正視圖。

? 排序輪廓點(diǎn)：通過(guò)計(jì)算x+y的最小值和最大值來(lái)確定A、C點(diǎn)，通過(guò)計(jì)算y-x的最小值和最大值來(lái)確定B、D點(diǎn)。然后，將這四個(gè)點(diǎn)按照順時(shí)針或逆時(shí)針順序排列。
? 透射變換：利用排列好的四個(gè)點(diǎn)進(jìn)行透射變換，將文檔區(qū)域轉(zhuǎn)換為正視圖。

def order_points(pts):

    rect = np.zeros((4,2), dtype="float32")

    s = pts.sum(axis=1)

    rect[0]= pts[np.argmin(s)]

    rect[2]= pts[np.argmax(s)]

    diff = np.diff(pts, n=1, axis=1)

    rect[1]= pts[np.argmin(diff)]

    rect[3]= pts[np.argmax(diff)]

return rect



deffour_point_transform(image, pts):

    rect = order_points(pts)

len= np.zeros((4,1))

for i, p inenumerate(rect):

if i !=3:

            x = rect[i:(i +2),0]

            y = rect[i:(i +2),1]

else:

            x =[rect[3,0], rect[0,0]]

            y =[rect[3,1], rect[0,1]]

len[i]= np.sqrt(((x[0]- x[1])**2+(y[0]- y[1])**2))

    maxWidth =int(max(len[0],len[2]))

    maxHight =int(max(len[1],len[3]))

    dst = np.array([[0,0],[maxWidth -1,0],[maxWidth -1, maxHight -1],[0, maxHight -1]], dtype="float32")

    M = cv.getPerspectiveTransform(rect, dst)

    warped = cv.warpPerspective(image, M,(maxWidth, maxHight))

return warped



warped = four_point_transform(org, approx.reshape(4,2)/ ratio)

（注：此時(shí)代碼執(zhí)行后，將得到一個(gè)透視變換后的圖像。由于文本限制，無(wú)法直接展示圖片，但讀者可以在本地運(yùn)行代碼并查看結(jié)果。）

3. 文字識(shí)別

在完成圖像預(yù)處理和文檔區(qū)域確定后，我們調(diào)用百度OCR API進(jìn)行文字識(shí)別。

??申請(qǐng)OCR API密鑰：首先，我們需要在百度智能云平臺(tái)上申請(qǐng)OCR API的AppID、API Key和Secret Key。
? 創(chuàng)建AipOcr客戶端：利用申請(qǐng)到的密鑰創(chuàng)建一個(gè)AipOcr客戶端實(shí)例。
? 讀取預(yù)處理后的圖像：將預(yù)處理后的圖像轉(zhuǎn)換為字節(jié)流，以便上傳給百度OCR API進(jìn)行識(shí)別。
? 調(diào)用OCR API：設(shè)置識(shí)別參數(shù)（如語(yǔ)言類型、檢測(cè)方向等），并調(diào)用百度OCR API進(jìn)行文字識(shí)別。
? 處理識(shí)別結(jié)果：接收并處理OCR API返回的識(shí)別結(jié)果，提取出文檔中的文字信息。

from aip importAipOcr



# 初始化AipOcr

APP_ID ='你的AppID'

API_KEY ='你的API_Key'

SECRET_KEY ='你的Secret_Key'

client =AipOcr(APP_ID, API_KEY, SECRET_KEY)



# 讀取圖像并轉(zhuǎn)換為字節(jié)流

defget_file_content(filepath):

withopen(filepath,'rb')as fp:

return fp.read()



image_path ='預(yù)處理后的圖像路徑'# 注意替換為實(shí)際路徑

image = get_file_content(image_path)



# 調(diào)用OCR API進(jìn)行文字識(shí)別

options ={}

options["language_type"]="CHN_ENG"# 中英文識(shí)別

options["detect_direction"]="true"# 檢測(cè)圖像方向

options["detect_language"]="true"# 檢測(cè)語(yǔ)言

options["probability"]="true"# 返回識(shí)別概率



res = client.basicGeneral(image, options)



# 打印識(shí)別結(jié)果

if'words_result'in res:

for item in res['words_result']:

print(f"識(shí)別出的文字: {item['words']}, 置信度: {item['confidence']}")

else:

print("未識(shí)別到文字")