java opencv根据文字找到在图片中的位置 opencv 字符识别

1. 下载Tesseract文本识别引擎

Tesseract是一个开源文本识别（OCR）引擎，可在Apache 2.0许可证下使用。

官网链接

1. 获取二进制文件
2. 下载
3. 下载完.exe之后，安装一路next，在自己喜欢的路径即可

2. pycharm下创建工程

1. 在刚刚下载tesseract的文件夹下，复制好tesseract.exe的绝对路径
2. 安装对应的依赖包（pytesseract opencv-python）
   

3. 检测字符

由上面我们看出，通过imag_to_string给出的每个字符的信息，似乎并不是我们简单的认为x,y,w,h，x是正常的，但是y和h是相反的，所以真正的y=H-的出来的y

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = 'E:\\nodeanddata\\Python\\OpenCV\\Text_Detection_OCR\\TesseractModel\\tesseract.exe' # 通过tesseract引用下载的可执行文件

img = cv2.imread('E:/nodeanddata/Python/OpenCV/Text_Detection_OCR/image/03.png')
# tesseract只接受RGB值，而imread出来的是BGR值，所以在这进行转化
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) #把BGR转换为RGB

#print(pytesseract.image_to_string(img)) #使用image_to_string接口函数，得到了图像中所有的字符串

#############################################
#### Detecting Characters  ######
#############################################
hImg, wImg,_ = img.shape
boxes = pytesseract.image_to_boxes(img) # 得到的是list
for CharProperties in boxes.splitlines(): # split：分开，按照行分开给B
    print(CharProperties)
    CharProperties = CharProperties.split(' ') # 将字符串用' '分开，返回列表
    print(CharProperties)
    x, y, w, h = int(CharProperties[1]), int(CharProperties[2]), int(CharProperties[3]), int(CharProperties[4])
    cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 1) # 给图片指定位置表上框
    cv2.putText(img,CharProperties[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),1) # 打标签

#显示图片
cv2.imshow('result', img)
cv2.waitKey(0)

通过这样查找pytesseract的函数可以看到它的接口函数的功能

4. 检测单词

同理的，读取图片，转换，显示跟上面是一样的。
主要函数接口：pytesseract.image_to_data(img) 给出来的字符串经过分割之后，所在的列表的信息为，以下代码注释所表示

##############################################
##### Detecting Words  ######
##############################################
hImg, wImg,_ = img.shape
#[   0          1           2           3           4          5         6       7       8        9        10       11 ]
#['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text']
boxes = pytesseract.image_to_data(img)
for a,b in enumerate(boxes.splitlines()): 
         print(b)
         if a!=0:
             b = b.split()
             if len(b)==12:
                 x,y,w,h = int(b[6]),int(b[7]),int(b[8]),int(b[9])
                 cv2.putText(img,b[11],(x,y-5),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
                 cv2.rectangle(img, (x,y), (x+w, y+h), (50, 50, 255), 2)

在for循环boxes.splitlines() 中由于第一行是标题，我们不想使用第一行的信息，那么我们就一边遍历一边索引即可；
就是说索引出来的第一个0我们不用他，这相当于在for循环前面加了一个标志变量，自动把第一行的列表给忽略；
而python中的枚举可以很好的帮我们把索引的值给a。（enumerate()函数）

5. 只检查数字

##############################################
##### Detecting ONLY Digits  ######
##############################################
hImg, wImg,_ = img.shape
conf = r'--oem 3 --psm 6 outputbase digits'
boxes = pytesseract.image_to_boxes(img,config=conf)
for b in boxes.splitlines():
    print(b)
    b = b.split(' ')
    print(b)
    x, y, w, h = int(b[1]), int(b[2]), int(b[3]), int(b[4])
    cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 2)
    cv2.putText(img,b[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)

conf = r'--oem 3 --psm 6 outputbase digits'，通过编写配置的搜索引擎来配置pytesseract要检测的是什么

• OEM：配置引擎的模式

Member name	Value	Description
OEM_TESSERACT_ONLY	0	Run Tesseract only - fastest
OEM_CUBE_ONLY	1	Run Cube only-better accuracy, but slower
OEM_TESSERACT_CUBE_COMBINED	2	Run both and combine results - best accuracy
OEM_DEFAULT	3	Specify this mode when calling init_*0, to indicat that any of the abovemodes should be automatically inferred from the variables in the language-specific config,

• PSM：页面分割：
  　　　　0 Orientation and script detection (OSD) only.
  　　　　1 Automatic page segmentation with OSD.
  　　　　2 Automatic page segmentation, but no OSD, or OCR.
  　　　　3 Fully automatic page segmentation, but no OSD. (Default)
  　　　　4 Assume a single column of text of variable sizes.
  　　　　5 Assume a single uniform block of vertically aligned text.
  　　　　6 Assume a single uniform block of text.
  　　　　7 Treat the image as a single text line.
  　　　　8 Treat the image as a single word.
  　　　　9 Treat the image as a single word in a circle.
  　　　　10 Treat the image as a single character.
  　　　　11 Sparse text. Find as much text as possible in no particular order.
  　　　　12 Sparse text with OSD.
  　　　　13 Raw line. Treat the image as a single text line,
  　　　　 bypassing hacks that are Tesseract-specific.