目录
大体思路 1
人为预先设好一些数据矩阵之间进行比较 2
处理的准备 2
开始实践 2
环境搭建 3
数据集准备 4
预处理 5
之后我们对其进行二值化 6
寻找数字 9
预设数据 11
2 from PIL import Image 12
3 import numpy as np 12
比较 13
1 # 计算灰度值的平均值 13
开始识别 15
8 # !!! 注意这里截取的是二值化后的图片 15
13 init = -1 15
2 import Levenshtein 3 16
手写字体 20
环境搭建 20
数据集准备 21
预处理 21
35 # 取出一张图片 即一整行 26
开始识别 26
看看我写的是啥 29
1 from PIL import Image 2 30
识别结果统计 32
3 statis = {} 4 32
16 # 计算图片的感知哈希 32
数据集 35
算法上的提升 35
从数字到文字 36
源码结构 36
发票 OCR - 数字识别的简单实现
本教程旨在使用简单的操作步骤实现一个简单的发票上的数字视频。
我们不追求识别率和速度，本文转载自http://www.biyezuopin.vip/onews.asp?id=16730目的只是想让大家初步体验一下人工智能和计算机视觉 CV。
大体思路
解析图像 转换为 灰度图二值化处理
截取到需要的数据使用矩阵存储图片
人为预先设好一些数据矩阵之间进行比较
预测输出
处理的准备
图片大小 1218*788
待识别的区域是固定的，我们只识别右上角部分的数字。
使用 opencv 进行图片的找轮廓等处理， pillow 进行图片的处理。
配合其他的一些库进行更方便的处理，安装请参考下面的教程。
开始实践
从我们上面的已知部分来看，我们的计划似乎是完美的，实际上手操作后，处处都有困难 …不管如何，先做起来再说！
# %%
import numpy as np
import matplotlib.pyplot as plt
import Levenshtein
# %%
def read_idx3(filename):
with open(filename, 'rb') as fo:
buf = fo.read()
index = 0
header = np.frombuffer(buf, '>i', 4, index)
index += header.size * header.itemsize
data = np.frombuffer(buf, '>B', header[1] * header[2] * header[3], index).reshape(header[1], -1)
return data
def read_idx1(filename):
with open(filename, 'rb') as fo:
buf = fo.read()
index = 0
header = np.frombuffer(buf, '>i', 2, index)
index += header.size * header.itemsize
data = np.frombuffer(buf, '>B', header[1], index)
return data
# %%
train_labels = read_idx1("mnist/train-labels.idx1-ubyte")
train_images = read_idx3("mnist/train-images.idx3-ubyte")
print(train_labels.shape, train_images.shape)
# %%
print(train_images[0])
print(train_labels[0])
# %%
plt.subplot(121)
plt.imshow(train_images[0, :].reshape(28, -1), cmap='gray')
plt.title('train 0')
print(train_labels[0])
# %%
# 获取测试集合
test_labels = read_idx1("mnist/t10k-labels.idx1-ubyte")
test_images = read_idx3("mnist/t10k-images.idx3-ubyte")
# %%
print(test_labels[0])
plt.subplot(122)
plt.imshow(test_images[0, :].reshape(28, -1), cmap='gray')
plt.title('test 0')
# %%
print(test_images.shape)
# 使用测试集 作为预处理
from collections import defaultdict
data = defaultdict(lambda : [])
def sHash(img):
"""感知哈希
Args:
img ([type]): 一维 784 的数组
Returns:
[str]: 感知哈希
"""
# 感知 哈希
hash_val = ''
avg = img.mean()
for x in range(len(img)):
if img[x] > avg:
hash_val += '1'
else:
hash_val += '0'
return hash_val
for i in range(len(test_images)):
img = test_images[i, :]
# 感知 哈希
data[test_labels[i]].append(sHash(img))
# %%
# 使用训练集的第一张用来测试
to_test_image = train_images[0, :]
test_hash = sHash(to_test_image)
def recognize_number(to_test_image_sHash:str):
result = [ 0 for i in range(10)]
for k,v in data.items():
# k - 数字 v - 每个数字的所有感知哈希值
# 遍历所有的哈希并计算值
for hash_val in v:
leven_val = Levenshtein.ratio(to_test_image_sHash, hash_val)
if leven_val > result[k]:
result[k] = leven_val
return result
# %%
result = recognize_number(test_hash)
print(max(result))
print(result.index(max(result)))
print(result)
# %%
# 使用我们自己写的图片
from PIL import Image
diy_image = Image.open('MNIST-4.jpg')
diy_arr = np.array(diy_image).flatten()
plt.subplot(122)
plt.imshow(diy_arr.reshape(28, -1), cmap='gray')
plt.title('diy 0')
diy_arr = diy_arr.flatten()
# print(sHash(diy_arr))
r = recognize_number(sHash(diy_arr))
print(max(r))
print(r.index(max(r)))
print(r)
# %%
# 测试结果准确率
statis = {}
for i in range(0, 10):
statis[i] = {}
statis[i]["correct"] = 0
statis[i]["all"] = 0
for i in range(100):
shash_val = sHash(train_images[i, :])
r = recognize_number(shash_val)
real_val = train_labels[i]
if r.index(max(r)) == real_val:
statis[real_val]["correct"] += 1
statis[real_val]["all"] += 1
# %%
from icecream import ic
for i in range(10):
print(i, statis[i]["correct"] / statis[i]["all"])
