2024年最全计算机视觉项目-文档扫描OCR识别(2)，2024年最新思维导图+源代码+笔记+项目

最新推荐文章于 2025-04-16 10:24:15 发布

2401_84573079

最新推荐文章于 2025-04-16 10:24:15 发布

阅读量1k

点赞数 9

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.youkuaiyun.com/2401_84573079/article/details/138835089

版权

程序员专栏收录该内容

58 篇文章

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

文章目录

🌟项目介绍前言
🌟文档识别步骤简介
🌟项目图像处理步骤详细介绍
🌟项目OCR识别操作介绍

在这里插入图片描述 |

🌟项目介绍前言

我们在日常生活或者办公中，可能都使用过万能扫描王这个软件，或者qq中的照片文字扫描功能，然后直接利用扒下来的文档直接复制粘贴直接使用，那么他这个原理是什么呢？又是怎么用OpenCV来实现的呢。我们这次博客就来全面介绍一下这个整体流程。并进行真实案例操作。
在这里插入图片描述

🌟文档识别步骤简介

我们要完成对于文档图片的扫描工作。大致流程主要步骤分为以下几个步骤。
在这里插入图片描述

1. 图像边缘检测。
2. 获取轮廓信息。
3. 透视变换，经过旋转、平移等操作对文档图片进行处理。
4. OCR识别图片当中每一个字符。

🌟项目图像处理步骤详细介绍

首先我们要对两个文件进行处理，我们先来看一下预处理的图片什么样子。
在这里插入图片描述

在这里插入图片描述

我们这里以一个英文的文件，一个自己用中文的一首诗来去做这个项目。因为怕其他东西干扰边缘，于是自己画了个框把边缘圈起来了。
首先我们还是要导入第三方库，然后获取参数。

import numpy as np
import argparse
import cv2

ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
	help = "Path to the image to be scanned") 
args = vars(ap.parse_args())

这里我们一定要会这种导入参数的形式，非常方便，后期设置参数也非常方便，指定路径就完全OK了。
这里我们只需要指定一个传入参数，原始图像就OK了。
然后我们使用DEBUG操作一步一步进行操作，首先我们对图像进行一个resize操作。

image = cv2.imread(args["image"])

ratio = image.shape[0] / 500.0
orig = image.copy()
image = resize(orig, height = 500)

首先我们读取image数据，然后对图像进行一个求比例的操作。后期会用得到，再对图像进行resize操作时候，我们会把图像的h和w设置成同一比例。这里我们对image进行了resize函数操作，那么resize函数是什么呢？我们继续看。

def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
	dim = None
	(h, w) = image.shape[:2]
	if width is None and height is None:
		return image
	if width is None:
		r = height / float(h)
		dim = (int(w \* r), height)
	else:
		r = width / float(w)
		dim = (width, int(h \* r))
	resized = cv2.resize(image, dim, interpolation=inter)
	return resized

上方我们传入resize函数的参数是orig, height = 500，那么orig是原始图像的copy，因为取轮廓是不可逆的，所以我们用copy去做，这里我们提取到图像的h和w，因为我们设置了height所以直接跳到if width is None，比例r=height/float(h)，为了把width设置成和height同比例，所以进行了dim = (int(w * r), height)，完成之后呢，就把dim传入到cv2.resize(image,dim,interpolation=inter)，这里就把图像进行了同比例的resize操作。完成之后呢我们继续DEBUG继续看。

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(gray, 75, 200)

对图像进行了形态学处理，分别是颜色空间转换，也就是彩色BGR转灰度，然后，进行了一次高斯滤波操作，可以让原图像模糊，目的就是为了去除噪音，最后计算出边缘信息，阈值设置为75到200。

cv2.imshow("Image", image)
cv2.imshow("Edged", edged)
cv2.waitKey(0)
cv2.destroyAllWindows()

展示一下处理之后的结果。
在这里插入图片描述

在这里插入图片描述

这就是边缘检测之后的结果了，但是边缘检测之后的结果是一个点一个点的，所以我们要进行轮廓的提取。然后我们要进行一个轮廓的提取，我们要对图像中最外面的轮廓进行提取，因为我们要提取文档。

cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]

这里我们首先进行了一个轮廓的提取，里面的参数cv2.RETR_LIST表示检测的轮廓不建立等级关系，cv2.CHAIN_APPROX_SIMPLE这里表示只简单的进行提取轮廓，用四个点来展示轮廓。因为这里返回了两个参数，老版本的CV返回的三个参数，但是我们只要轮廓参数就好了。所以设置索引为0，得到轮廓后呢，我们把轮廓按照面积大小进行了排序，由大到小，并且只取前五个。

for c in cnts:
	# 计算轮廓近似
	peri = cv2.arcLength(c, True)
	approx = cv2.approxPolyDP(c, 0.02 \* peri, True)

	# 4个点的时候就拿出来
	if len(approx) == 4:
		screenCnt = approx
		break

# 展示结果
print("STEP 2: 获取轮廓")
cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)
cv2.imshow("Outline", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这里cv2.arcLength表示计算轮廓的周长。cv2.approxPolyDP主要功能是把一个连续光滑曲线折线化，其中0.02 * peri表示从原始轮廓到近似轮廓的最大距离，它是一个准确度参数。当轮廓是四个点的时候就拿出来，然后我们进行一个显示。得到的结果是：
在这里插入图片描述

在这里插入图片描述

接下来就是一个最主要的一个部分，就是透视变换，也就是说我们想把后面的背景全部去掉，也就是想把我们轮廓检测出来的这一块拿出来单独成一个图像，然后方便我们去OCR文字识别。

warped = four_point_transform(orig, screenCnt.reshape(4, 2) \* ratio)

我们直接跳进four_point_transform函数中。

def four\_point\_transform(image, pts):
	rect = order_points(pts)
	(tl, tr, br, bl) = rect

	# 计算输入的w和h值
	widthA = np.sqrt(((br[0] - bl[0]) \*\* 2) + ((br[1] - bl[1]) \*\* 2))
	widthB = np.sqrt(((tr[0] - tl[0]) \*\* 2) + ((tr[1] - tl[1]) \*\* 2))
	maxWidth = max(int(widthA), int(widthB))

	heightA = np.sqrt(((tr[0] - br[0]) \*\* 2) + ((tr[1] - br[1]) \*\* 2))
	heightB = np.sqrt(((tl[0] - bl[0]) \*\* 2) + ((tl[1] - bl[1]) \*\* 2))
	maxHeight = max(int(heightA), int(heightB))

	# 变换后对应坐标位置
	dst = np.array([
		[0, 0],
		[maxWidth - 1, 0],
		[maxWidth - 1, maxHeight - 1],
		[0, maxHeight - 1]], dtype = "float32")

	# 计算变换矩阵
	M = cv2.getPerspectiveTransform(rect, dst)
	warped = cv2.warpPerspective(image, M, (maxWidth, maxHeight))


![img](https://img-blog.csdnimg.cn/img_convert/90b02ec0139af5afe66b08999b8de935.png)
![img](https://img-blog.csdnimg.cn/img_convert/2bd94e45dab7cfafec102290164e0277.png)

**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.youkuaiyun.com/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.youkuaiyun.com/topics/618545628)**


**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**