也是几个月前的项目了，由于手头事儿多，也已经转交给别的同事去继续优化。本博客仅做个简单的记录用。
这里是 Tesseract（LSTM）、CTPN+CRNN、Densenet三个方法测试结果对比（结果不是最优，代码也经过优化）:
PS：官方Tesseract-4.0需要Ubuntu-18.04支持，本人在Ubuntu-16.04上编译安装成功。
（一）Tesseract（LSTM）和Densenet
（此结果算法未经优化）
总结放前面：
- Tesseract实现的ORC识别（可以实现衣服吊牌文字识别，对于服装彩色背景图有些牵强，对图片进行反转之后可识别，但背景颜色不是单一色调的识别不出--这跟图片像素也有很大区别，300dpi+的图片识别度更高）
- Densenet实现的ORC识别（衣服吊牌等复杂场景识别度低，对于服装彩色背景图效果却比Tesseract好）
- 上两种办法的解决方案之一可尝试Tesseract识别不出的图片块让Densenet来识别
原图+服装box：
（采用目标检测的方法识别与定位服装，算法：Faster-RCNN）
ORC box:
(裤腿的logo已去除)
（这是去除掉的错误的识别）
识别效果：
（按行识别，可以取到每行字的bbox，这里省略）
Tesseract识别不出文字的区域（背景为多颜色的区域）：
1.
2.
3.
4.
将图片进行色调翻转之后：
Tesseract可识别出，Densenet识别不出：
色调翻转之后：
Densenet可识别出，Tesseract识别不出：
色调翻转之后：
Densenet可识别出，Tesseract识别不出：
色调翻转之后：
Densenet可识别出，Tesseract识别不出：
（二）CTPN+CRNN：CHINESE-OCR 和 Tesseract（LSTM）
代码地址：https://github.com/xiaofengShi
总结：就不写了... 看结果吧
代码提供了keras和pytorch两个版本的CRNN中文识别模型，经测试，pytorch版本效果要好一些。
- 1）输入测试图像：
CTPN+CRNN文本识别结果（输入的是裁剪标签部分后的图像，以下同理）：
基于tesseract识别结果（有预处理，以下同理）：
- 2）输入测试图像：
CTPN+CRNN：
基于tesseract识别结果：
- 3）输入测试图像：
CTPN+CRNN：
基于tesseract识别结果：
- 4）输入测试图像：
CTPN+CRNN：
基于tesseract识别结果：
最后，加个openCV里好玩的
opencv mser算法框出图片文字区域
'''
opencv mser算法框出图片文字区域
'''
from PIL import Image
import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('/home/raini/pro/LogoDetector/SIFT/PRI_Roche/Python_OpenCV/test_img/daa59b642f6a60e2995be13f495a7c45.jpg')
mser = cv2.MSER_create(_min_area=300)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
regions, boxes = mser.detectRegions(gray)
for box in boxes:
x, y, w, h = box
cv2.rectangle(img, (x,y),(x+w, y+h), (255, 0, 0), 2)
plt.imshow(img,'brg')
plt.show()
