基于opencv对图像上的文字进行识别并框选

 导入库

import cv2 as cv

读取位于路径下的图像，并将其存储在变量img中。 

img = cv.imread(r"C:\Users\RANDALL\Desktop\wenzi\english.webp"

将img从BGR颜色空间转换为灰度颜色空间，结果存储在变量gray中。 

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

 对gray图像进行阈值处理。如果像素值大于150，则赋值为255，否则赋值为0。结果存储在变量thresh中，而ret是一个标志，通常在此种情况下可以忽略。

ret,thresh = cv.threshold(gray,150,255,cv.THRESH_BINARY_INV)

查找thresh图像中的轮廓。这里只查找最外层的轮廓，并简单地压缩轮廓的近似链。结果存储在变量contours和hierarchy中。

contours,herarchy = cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)

 遍历找到的所有轮廓。

for contour in contours:

 计算当前轮廓的边界矩形，其左上角坐标为(x,y)，宽度和高度分别为w和h。

x,y,w,h = cv.boundingRect(contour)

 在原始图像img上绘制当前轮廓的边界矩形，颜色为红色（BGR：(0,0,255)），线宽为2。

 cv.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)

显示框选后图像。 

cv.imshow('demo',img)
cv.waitKey(0)

下面是运行结果： 

原图 

 

框选后图片 

 

另外一张图像 

 

完整代码示例：

import cv2 as cv

img = cv.imread(r"C:\Users\RANDALL\Desktop\wenzi\wen3.png")

gray = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
ret,thresh = cv.threshold(gray,150,255,cv.THRESH_BINARY_INV)
contours,herarchy = cv.findContours(thresh,cv.RETR_EXTERNAL,cv.CHAIN_APPROX_SIMPLE)
for contour in contours:
    x,y,w,h = cv.boundingRect(contour)
    cv.rectangle(img,(x,y),(x+w,y+h),(0,0,255),2)

cv.imshow('demo',img)
cv.waitKey(0)

如果文章对你有所帮助，麻烦动动小手点点关注！！！