使用Python，OpenCV，Tesseract-OCR对自己的运动数据图片进行识别及分析，并使用Matplotlib绘制配速图出来

已于 2025-05-26 06:42:58 修改
阅读量404 收藏
点赞数 6
CC 4.0 BY-SA版权
分类专栏： Python进阶 Python OpenCV Python OpenCV 图像处理 文章标签： python opencv ocr matplotlib
于 2025-05-25 17:57:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_40985985/article/details/148204769

使用Python，OpenCV，Tesseract-OCR对自己的运动数据图片进行识别及分析，并使用Matplotlib绘制配速图出来

    • 1. 效果图
    • 2. 源码
    • 3. 全量源码及运动图片资源
    • 参考

主要分为

  1. 目录下图片解析及读取；
  2. 拼九宫格图片出来，可以自由配置（m*n）取决于自己有多少张运动图片
  3. 遍历图片并进行运动数据OCR识别，并绘制识别结果在原始图
  4. 对绘制ocr识别文本之后的图片进行拼图呈现；
  5. 使用matplotlib对运动时间、耗时、最快配速、最慢配速、平均配速等数据进行绘制散点图和折线图

1. 效果图

原始图片拼图呈现：
在这里插入图片描述
原图 VS 绘制运动区域绿框图对比展示：
在这里插入图片描述

运动数据区域截图及识别数据绘制原图展示：
在原图右中绘制识别到的数据:
分别是运动时间、距离、运动时长、最快配速、最慢配速、平均配速、消耗卡卡；
可以看到也不是识别的100%准确，有俩天5.19，5.20识别的平均配速和最慢配速不太对…

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【低照度图像增强系列】使用MSR(Multi-Scale Retinex)算法对低照度图像进行增强处理
静谧、淡雅
08-12 496
【低照度图像增强系列】使用MSR(Multi-Scale Retinex)算法对低照度图像进行增强处理
【低照度图像增强系列】使用MSRCR(Multi-Scale Retinex with Color Restoration)算法对低照度图像进行增强处理
静谧、淡雅
08-12 320
【低照度图像增强系列】使用MSRCR(Multi-Scale Retinex with Color Restoration)算法对低照度图像进行增强处理
Python Opencv实践 - 入门使用Tesseract识别图片中的文字
vivo01的专栏
10-25 2100
pytesseract是基于Python的OCR工具， 底层使用的是Google的Tesseract-OCR 引擎，支持识别图片中的文字，支持jpeg, png, gif, bmp, tiff等图片格式。本文介绍如何使用pytesseract 实现图片文字识别。引言OCR（Opti…做车牌识别项目前试一试tesseract识别中文。image_to_boxes方法返回的坐标是以左下角为原点的，可以从打印中印证这一点。Python OCR工具pytesseract详解 - 知乎。
Python 使用OpenCV计算机视觉（一篇文章从零毕业）【附带OCR文字识别项目、停车场车位智能识别项目】
Null的博客
06-25 6505
Python使用OpenCV进行计算机视觉处理，一文上手，直接毕业。自带停车场车位智能识别项目。由浅入深，无基础亦可学。
实战：使用 OpenCV 和 PyTesseract 对文档进行OCR
小白学视觉
07-28 781
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 随着世界各地的组织都希望将其运营数字化，将物理文档转换为数字格式是非常常见的。这通常通过光学字符识...
Opencv进阶篇---文档扫描OCR识别
weixin_44823151的博客
09-07 3752
原图： STEP1：边缘检测 STEP2：获取轮廓 STEP3：透视变换：平移、旋转、翻转变换，使图像摆正 STEP4：OCR实现字符识别 （下载包的地址：https://digi.bib.uni-mannheim.de/tesseract/）下载安装包并配置环境变量 修改‘/’，否则会出现变量找不到的情况，在windows中‘/’意义丰富，可能造成无法识别的情况，在该路径下找到：E:\...
【低照度图像增强系列】使用SSR(Single Scale Retinex)算法对低照度图像进行增强处理
静谧、淡雅
08-12 413
【低照度图像增强系列】使用SSR(Single Scale Retinex)算法对低照度图像进行增强处理
活体检测 使用OpenCV进行 运动检测
热分享-hotdog29
07-19 3246
原文链接活体检测 使用OpenCV进行 运动检测 在2019年7月19日上张贴 由hotdog发表回复 活体检测 使用OpenCV进行 运动检测 在本教程中，您将学习如何使用OpenCV执行 活体检测。您将创建一个能够在面部识别系统中发现假面并执行反面部欺骗的 活体检测 器。 在过去的一年中，我撰写了许多人脸识别教程，包括： OpenCV人脸识别 使用dlib，Python和深...
【低照度图像增强系列】使用SSR/MSR/MSRCR/MSRCP/automatedMSRCR算法对低照度图像进行增强处理的实践
静谧、淡雅
08-12 770
【低照度图像增强系列】使用SSR/MSR/MSRCR/MSRCP/automatedMSRCR算法对低照度图像进行增强处理的实践
使用Python，OpenCV，Tesseract-OCR对自己的运动数据图片进行识别及分析，并使用Matplotlib绘制配速散点+折线图出来
05-25
该系统利用OpenCV和Tesseract-OCR技术，可自动处理运动图片数据，并可视化展示关键指标。主要功能包括： 1. 自动读取并拼接多张运动图片（支持自定义行列布局） 2. 使用OCR技术识别图片中的运动数据（包括时间、...
python 数据分析 爬虫
04-22
在这个资料包中，你将找到一系列关于如何使用Python进行数据处理和网络抓取的资源，这对于任何希望深入理解这两种技术的学习者来说都是宝贵的财富。 首先，让我们谈谈“Python数据分析”。Python提供了多个库，如...
RAGFlow Agent 知识检索节点源码解析：从粗排到精排的完整流程
澄南澄北的博客
08-01 910
文本检索：基于关键词匹配，擅长精确匹配和术语查找向量检索：基于语义相似度，擅长理解查询意图和同义词匹配Embedding 检索方法通过分别编码 Query 和 Chunk 得到向量，并用余弦相似度评估相关性。优点是可以提前计算Chunk的向量并存储，检索效率高、可大规模向量召回，适合在粗排阶段使用。但这种独立编码方式无法建模两者之间的语义交互。而 Rerank 模型会将 Query 和 Chunk 作为一个成对的输入，同时送入模型进行处理。
使用yolo11训练饮料瓶盖缺陷检测质量检测数据集VOC+YOLO格式1432张5类别步骤和流程
FL1623863129的博客
08-03 727
训练完成后，最佳权重保存路径为：runs/detect/train/weights/best.pt，如果多次运行命令runs/detect/train2,runs/detect/train3文件夹生成只需要到数字最大文件夹查看就可以找到模型。经过上面训练可以使用模型做一步部署，比如使用onnx模型在嵌入式部署，使用engine模型在jetson上deepstream部署，使用torchscript模型可以在C++上部署等等。通过比较不同模型在这些指标上的表现，可以判断哪个模型在实际应用中可能更有效。
numpy广播
2402_89746772的博客
08-01 425
展平数组并返回拷贝（修改不影响原数组）。展平数组并返回视图（修改会影响原数组）。将数组广播到指定形状（返回只读视图）。数组元素迭代器，用于遍历所有元素。不改变数据，仅修改数组形状。对换数组维度（矩阵转置）。删除数组中的一维条目。滚动指定轴到新位置。
ORACLE复杂查询
ZZH1120KQ的博客
08-04 1186
在Oracle数据库中，逻辑判断和条件判断是两个密切相关但又不完全相同的概念。逻辑判断主要关注的是根据逻辑运算符（如AND、OR、NOT）对条件表达式的结果进行逻辑运算，从而得出最终的布尔值（true或false）。条件判断则更侧重于根据给定的条件或表达式来判断某个操作是否应该执行，或者应该执行哪个分支的操作。
宝塔Python项目无法使用域名访问
少湖说
07-31 1047
摘要：宝塔中部署的Flask项目无法通过IP/域名访问。排查发现：1) 阿里云安全组443端口已开放但连接被拒；2) 项目配置中host应为"0.0.0.0"而非"localhost"；3) Nginx反向代理错误地将请求转发至443端口（实际项目运行在50001端口）。解决方案：修改Nginx配置中的proxy_pass为http://127.0.0.1:50001，并确保外网映射正确对应内外端口。注意宝塔面板的端口映射功能可能不生效，需手动配置。（149字）
【笔记】ROS1｜5 ARP攻击Turtlebot3汉堡Burger并解析移动报文【旧文转载】
最新发布
shandianchengzi的博客
08-04 546
本文介绍了如何使用ARP攻击技术干扰Turtlebot3汉堡机器人的ROS通信。作者首先讲解了ARP协议的基本原理和攻击依据，然后通过实验演示了如何利用arpspoof工具实施ARP欺骗攻击，包括干扰普通主机上网和小车与控制机的通信。文章提供了详细的实验步骤和思考题，并建议读者在虚拟机环境下进行实践。实验结果显示，通过持续发送虚假ARP响应包可以成功劫持网络通信，开启IP转发后虽能恢复但会降低网速。最后作者还演示了如何解析被攻击机器人的移动控制报文。
Python爬虫07_Requests爬取图片
Dreamsi_zhang的博客
07-31 651
本文介绍了Python爬取网络图片并保存的方法。首先通过requests库获取图片二进制数据，使用当前时间戳作为文件名保存到本地。重点解释了必须使用二进制方式（.content）获取图片数据的原因：图片是原始字节流而非文本，任何字符编码都会破坏数据完整性。通过二进制下载和写入（'wb'模式）才能1:1还原图片文件。文中还演示了时间戳与可读时间的相互转换，为自动化爬取提供了完整解决方案。
YAML文件
2301_80251684的博客
08-04 121
YAML是一种数据序列化格式，常用于配置文件、数据交换和存储。其设计目标是简洁易读，同时支持复杂数据结构。
tesseract中OCR识别结果如何显示
06-27
<think>我们正在使用TesseractOCR进行识别，现在用户想知道如何显示识别结果。根据引用[3]中的Python示例，识别结果已经通过`pytesseract.image_to_string`函数获取并打印出来。但是用户可能希望有更直观的显示方式，比如在原图上标注识别结果。然而，Tesseract本身并不提供可视化功能。我们可以借助其他库（如OpenCV或PIL）来绘制文本框和识别文本。以下是具体步骤：###解决方案1.**使用Tesseract获取OCR结果**：包括文本内容、位置信息（边界框）等。2.**在原图上绘制识别结果**：利用图像处理库绘制文本框和文本。###Python示例代码（使用PIL和pytesseract）```pythonimportpytesseractfromPILimportImage,ImageDraw,ImageFontimportmatplotlib.pyplotasplt#设置Tesseract路径（根据你的安装路径修改）pytesseract.pytesseract.tesseract_cmd=r'C:\ProgramFiles\Tesseract-OCR\tesseract.exe'#Windows示例defdisplay_ocr_result(image_path):#打开图片image=Image.open(image_path)#使用Tesseract获取OCR结果，包括详细数据data=pytesseract.image_to_data(image,lang='chi_sim+eng',output_type=pytesseract.Output.DICT)#创建一个可以在图像上绘制的对象draw=ImageDraw.Draw(image)#可选：设置字体（确保系统中存在该字体）try:font=ImageFont.truetype("arial.ttf",15)#Windows系统通常有Arialexcept:font=ImageFont.load_default()#遍历每个检测到的文本块n_boxes=len(data['text'])foriinrange(n_boxes):#只处理置信度大于0的文本（即有效文本）ifint(data['conf'][i])>0:#获取文本框坐标x,y,w,h=data['left'][i],data['top'][i],data['width'][i],data['height'][i]#绘制矩形框draw.rectangle([x,y,x+w,y+h],outline='red')#在框上方绘制识别文本draw.text((x,y-15),data['text'][i],fill='red',font=font)#显示图像plt.figure(figsize=(12,12))plt.imshow(image)plt.axis('off')plt.show()#打印所有识别文本print("完整识别结果：")print(pytesseract.image_to_string(image,lang='chi_sim+eng'))if__name__=="__main__":image_path="your_image.png"#替换为你的图片路径display_ocr_result(image_path)```###关键点说明1.**获取详细数据**：`image_to_data`函数返回一个字典，包含文本、位置、置信度等信息[^3]。2.**绘制文本框**：使用PIL的`ImageDraw`模块在检测到的文本周围绘制红色矩形框。3.**标注识别文本**：在每个文本框上方绘制识别出的文本（红色）。4.**显示图像**：使用matplotlib显示标注后的图像。###输出示例运行后，程序会：-显示带标注的图像（文本框和识别文本）-在控制台打印完整的识别文本###注意事项-**字体问题**：如果找不到指定字体（如arial.ttf），将使用默认字体（可能不支持中文）。对于中文，可以指定一个中文字体路径，例如：`font=ImageFont.truetype("simsun.ttc",15)`。-**Tesseract安装**：确保正确安装TesseractOCR并设置路径[^3][^5]。-**语言包**：如果需要识别中文，必须安装中文语言包（chi_sim）[^5]。###相关问题1.如何提高TesseractOCR对低质量图片的识别准确率？[^4]2.TesseractOCR支持哪些输出格式（如PDF、HOCR）？[^2]3.如何训练TesseractOCR以识别特定字体？[^5][^1]:PHP和Tesseract实现验证码识别[^2]:Tesseract支持的语言和格式[^3]:Tesseract安装与中英文识别[^4]:图像预处理提高OCR准确率[^5]:Tesseract中文环境配置与训练</think>### 如何在 Tesseract OCR 中显示识别结果 以下是使用 Tesseract OCR 识别并显示结果的完整方法（Python 实现）： ```python import pytesseract from PIL import Image, ImageDraw, ImageFont import matplotlib.pyplot as plt # 设置 Tesseract 路径（根据实际安装路径修改） pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # Windows def display_ocr_results(image_path): """显示 OCR 识别结果（带标注的图像）""" # 打开图像 image = Image.open(image_path) # 执行 OCR 识别并获取详细数据 data = pytesseract.image_to_data( image, lang='chi_sim+eng', # 中英文混合识别 output_type=pytesseract.Output.DICT ) # 创建可绘制对象 draw = ImageDraw.Draw(image) # 设置字体（确保系统中存在该字体） try: font = ImageFont.truetype("arial.ttf", 12) # Windows except: font = ImageFont.load_default() # 备用默认字体 # 遍历所有识别到的文本块 for i in range(len(data['text'])): # 只处理置信度>0的有效文本 if int(data['conf'][i]) > 0: # 提取坐标和尺寸 x = data['left'][i] y = data['top'][i] w = data['width'][i] h = data['height'][i] # 绘制边界框 draw.rectangle( [x, y, x + w, y + h], outline="red", width=2 ) # 在框上方显示识别文本 draw.text( (x, y - 15), # 文本位置 f"{data['text'][i]} ({int(float(data['conf'][i]))}%)", fill="blue", font=font ) # 显示带标注的图像 plt.figure(figsize=(15, 10)) plt.imshow(image) plt.axis('off') plt.title("OCR 识别结果") plt.show() # 打印结构化识别结果 print("\n识别结果详情：") print(f"{'文本':<20} | {'置信度':<8} | {'位置'}") print("-" * 50) for i in range(len(data['text'])): if data['text'][i].strip(): print(f"{data['text'][i]:<20} | {data['conf'][i]:<8} | (x:{data['left'][i]}, y:{data['top'][i]})") # 使用示例 image_path = "your_image.png" # 替换为实际图片路径 display_ocr_results(image_path) ``` ### 关键功能说明 1. **结果可视化**： - 红色矩形框标记识别区域 - 蓝色文本显示识别内容和置信度 - 使用 Matplotlib 显示标注后的图像 2. **数据结构化输出**： ```plaintext 识别结果详情： 文本 | 置信度 | 位置 -------------------------------------------------- 光学字符识别 | 95 | (x:120, y:85) OCR技术应用 | 92 | (x:150, y:150) 2023-12-01 | 89 | (x:200, y:220) ``` 3. **核心参数说明**： - `image_to_data()`：返回包含位置、文本和置信度的字典[^3] - `output_type=pytesseract.Output.DICT`：指定结构化输出格式 - `lang='chi_sim+eng'`：中英文混合识别[^5] ### 不同语言的实现 **Java 示例（简化版）**： ```java import net.sourceforge.tess4j.*; public class OCRDisplay { public static void main(String[] args) { ITesseract instance = new Tesseract(); instance.setDatapath("tessdata"); // 设置语言包路径 try { File imageFile = new File("your_image.png"); BufferedImage image = ImageIO.read(imageFile); // 获取识别结果 String result = instance.doOCR(imageFile); System.out.println("识别结果:\n" + result); } catch (TesseractException | IOException e) { System.err.println("识别错误: " + e.getMessage()); } } } ``` ### 提高显示效果的技巧 1. **字体优化**： - 使用支持中文的字体：`ImageFont.truetype("simsun.ttc", 12)`（Windows） - 调整字体大小确保可读性 2. **颜色区分**： ```python # 根据置信度使用不同颜色 confidence = int(float(data['conf'][i])) color = "green" if confidence > 90 else "orange" if confidence > 70 else "red" ``` 3. **保存结果图像**： ```python image.save("ocr_result.jpg") # 保存带标注的图像 with open("ocr_result.txt", "w") as f: f.write("\n".join(data['text'])) # 保存文本结果 ``` ### 相关问题 1. 如何调整 Tesseract 参数以提高特定场景的识别准确率？[^4] 2. 哪些图像预处理技术能显著提升 OCR 效果？[^4] 3. 如何将 Tesseract OCR 集成到 Web 应用中实现实时识别？[^1] 4. 在不同语言环境下（中文/英文/混合）如何优化 Tesseract 配置？[^5] [^1]: PHP集成Tesseract实现验证码识别 [^3]: Tesseract安装与中英文识别实现 [^4]: 图像预处理提高OCR准确率 [^5]: Tesseract中文识别环境配置
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序媛一枚~

您的鼓励是我创作的最大动力。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值