पाठ OpenCV निकालना


148

मैं एक छवि में पाठ के बाउंडिंग बॉक्स खोजने की कोशिश कर रहा हूं और वर्तमान में इस दृष्टिकोण का उपयोग कर रहा हूं:

// calculate the local variances of the grayscale image
Mat t_mean, t_mean_2;
Mat grayF;
outImg_gray.convertTo(grayF, CV_32F);
int winSize = 35;
blur(grayF, t_mean, cv::Size(winSize,winSize));
blur(grayF.mul(grayF), t_mean_2, cv::Size(winSize,winSize));
Mat varMat = t_mean_2 - t_mean.mul(t_mean);
varMat.convertTo(varMat, CV_8U);

// threshold the high variance regions
Mat varMatRegions = varMat > 100;

जब इस तरह की एक छवि दी जाती है:

यहाँ छवि विवरण दर्ज करें

फिर जब मैं दिखाता varMatRegionsहूं तो मुझे यह छवि मिलती है:

यहाँ छवि विवरण दर्ज करें

जैसा कि आप देख सकते हैं कि यह कुछ हद तक कार्ड के हेडर के साथ टेक्स्ट के बाएं ब्लॉक को जोड़ती है, ज्यादातर कार्ड के लिए यह तरीका बहुत अच्छा काम करता है लेकिन व्यस्त कार्ड पर यह समस्या पैदा कर सकता है।

उन कंट्रोवर्स के जुड़ने का कारण खराब है क्योंकि यह समोच्च के बाउंडिंग बॉक्स को लगभग पूरा कार्ड बना देता है।

क्या कोई ऐसा तरीका सुझा सकता है जिससे मैं पाठ का सही पता लगा सकूं?

जो भी इन दोनों के ऊपर कार्ड में पाठ पा सकते हैं, 200 अंक।

यहाँ छवि विवरण दर्ज करें यहाँ छवि विवरण दर्ज करें


1
सबसे आसान तरीका मैं यहाँ देख रहा हूँ क्षेत्रों को प्राप्त करने से पहले इसके विपरीत बढ़ रहा है ...
Paweł Stawarz

3
अच्छा सवाल है। इस तरह के दिलचस्प जवाब सुनिश्चित करने के लिए इसे पोस्ट करने और इनाम की मेजबानी करने के लिए धन्यवाद।
ज्योफ

प्रोग्रामिंग में नया। क्या संस्कृत की तरह अंग्रेजी के अलावा अन्य लिपियों में भी वही सामग्री हो सकती है?
वमशी कृष्ण

जवाबों:


127

आप करीब किनारे वाले तत्वों (LPD से प्रेरित) को खोजकर पाठ का पता लगा सकते हैं:

#include "opencv2/opencv.hpp"

std::vector<cv::Rect> detectLetters(cv::Mat img)
{
    std::vector<cv::Rect> boundRect;
    cv::Mat img_gray, img_sobel, img_threshold, element;
    cvtColor(img, img_gray, CV_BGR2GRAY);
    cv::Sobel(img_gray, img_sobel, CV_8U, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);
    cv::threshold(img_sobel, img_threshold, 0, 255, CV_THRESH_OTSU+CV_THRESH_BINARY);
    element = getStructuringElement(cv::MORPH_RECT, cv::Size(17, 3) );
    cv::morphologyEx(img_threshold, img_threshold, CV_MOP_CLOSE, element); //Does the trick
    std::vector< std::vector< cv::Point> > contours;
    cv::findContours(img_threshold, contours, 0, 1); 
    std::vector<std::vector<cv::Point> > contours_poly( contours.size() );
    for( int i = 0; i < contours.size(); i++ )
        if (contours[i].size()>100)
        { 
            cv::approxPolyDP( cv::Mat(contours[i]), contours_poly[i], 3, true );
            cv::Rect appRect( boundingRect( cv::Mat(contours_poly[i]) ));
            if (appRect.width>appRect.height) 
                boundRect.push_back(appRect);
        }
    return boundRect;
}

उपयोग:

int main(int argc,char** argv)
{
    //Read
    cv::Mat img1=cv::imread("side_1.jpg");
    cv::Mat img2=cv::imread("side_2.jpg");
    //Detect
    std::vector<cv::Rect> letterBBoxes1=detectLetters(img1);
    std::vector<cv::Rect> letterBBoxes2=detectLetters(img2);
    //Display
    for(int i=0; i< letterBBoxes1.size(); i++)
        cv::rectangle(img1,letterBBoxes1[i],cv::Scalar(0,255,0),3,8,0);
    cv::imwrite( "imgOut1.jpg", img1);  
    for(int i=0; i< letterBBoxes2.size(); i++)
        cv::rectangle(img2,letterBBoxes2[i],cv::Scalar(0,255,0),3,8,0);
    cv::imwrite( "imgOut2.jpg", img2);  
    return 0;
}

परिणाम:

ए। तत्व = getStructuringElement (cv :: MORPH_RECT, cv :: Size (17, 3)); imgOut1 imgOut2

ख। तत्व = getStructuringElement (cv :: MORPH_RECT, cv :: Size (30, 30)); imgOut1 imgOut2

परिणाम उल्लेखित अन्य छवि के समान हैं।


6
लाइसेंस प्लेट डिटेक्टर।
लोवाबिल

2
कुछ कार्डों के लिए बाउंडिंग बॉक्स सभी टेक्स्ट को नहीं घेरता है, जैसे कि आधा अक्षर कट जाना। इस तरह के रूप में कार्ड: i.imgur.com/tX3XrwH.jpg मैं कैसे प्रत्येक बाउंडिंग बाउंडिंग बॉक्स को ऊंचाई और चौड़ाई से बढ़ा सकता हूं n? समाधान के लिए धन्यवाद यह बहुत अच्छा काम करता है!
क्लिप

4
कहते हैं cv::Rect a;। N द्वारा बढ़ाई गई a.x-=n/2;a.y-=n/2;a.width+=n;a.height+=n;:।
लोवाबिल

2
हाय, मैं अजगर cv2 के साथ एक ही परिणाम कैसे प्राप्त करूं?
dnth


128

मैंने नीचे कार्यक्रम में एक ढाल आधारित पद्धति का उपयोग किया। परिणामी छवियों को जोड़ा। कृपया ध्यान दें कि मैं प्रसंस्करण के लिए छवि के नीचे स्केल किए गए संस्करण का उपयोग कर रहा हूं।

सी ++ संस्करण

The MIT License (MIT)

Copyright (c) 2014 Dhanushka Dangampola

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.

#include "stdafx.h"

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace cv;
using namespace std;

#define INPUT_FILE              "1.jpg"
#define OUTPUT_FOLDER_PATH      string("")

int _tmain(int argc, _TCHAR* argv[])
{
    Mat large = imread(INPUT_FILE);
    Mat rgb;
    // downsample and use it for processing
    pyrDown(large, rgb);
    Mat small;
    cvtColor(rgb, small, CV_BGR2GRAY);
    // morphological gradient
    Mat grad;
    Mat morphKernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
    morphologyEx(small, grad, MORPH_GRADIENT, morphKernel);
    // binarize
    Mat bw;
    threshold(grad, bw, 0.0, 255.0, THRESH_BINARY | THRESH_OTSU);
    // connect horizontally oriented regions
    Mat connected;
    morphKernel = getStructuringElement(MORPH_RECT, Size(9, 1));
    morphologyEx(bw, connected, MORPH_CLOSE, morphKernel);
    // find contours
    Mat mask = Mat::zeros(bw.size(), CV_8UC1);
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(connected, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
    // filter contours
    for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
    {
        Rect rect = boundingRect(contours[idx]);
        Mat maskROI(mask, rect);
        maskROI = Scalar(0, 0, 0);
        // fill the contour
        drawContours(mask, contours, idx, Scalar(255, 255, 255), CV_FILLED);
        // ratio of non-zero pixels in the filled region
        double r = (double)countNonZero(maskROI)/(rect.width*rect.height);

        if (r > .45 /* assume at least 45% of the area is filled if it contains text */
            && 
            (rect.height > 8 && rect.width > 8) /* constraints on region size */
            /* these two conditions alone are not very robust. better to use something 
            like the number of significant peaks in a horizontal projection as a third condition */
            )
        {
            rectangle(rgb, rect, Scalar(0, 255, 0), 2);
        }
    }
    imwrite(OUTPUT_FOLDER_PATH + string("rgb.jpg"), rgb);

    return 0;
}

अजगर संस्करण

The MIT License (MIT)

Copyright (c) 2017 Dhanushka Dangampola

Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:

The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.

THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.

import cv2
import numpy as np

large = cv2.imread('1.jpg')
rgb = cv2.pyrDown(large)
small = cv2.cvtColor(rgb, cv2.COLOR_BGR2GRAY)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
grad = cv2.morphologyEx(small, cv2.MORPH_GRADIENT, kernel)

_, bw = cv2.threshold(grad, 0.0, 255.0, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 1))
connected = cv2.morphologyEx(bw, cv2.MORPH_CLOSE, kernel)
# using RETR_EXTERNAL instead of RETR_CCOMP
contours, hierarchy = cv2.findContours(connected.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
#For opencv 3+ comment the previous line and uncomment the following line
#_, contours, hierarchy = cv2.findContours(connected.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

mask = np.zeros(bw.shape, dtype=np.uint8)

for idx in range(len(contours)):
    x, y, w, h = cv2.boundingRect(contours[idx])
    mask[y:y+h, x:x+w] = 0
    cv2.drawContours(mask, contours, idx, (255, 255, 255), -1)
    r = float(cv2.countNonZero(mask[y:y+h, x:x+w])) / (w * h)

    if r > 0.45 and w > 8 and h > 8:
        cv2.rectangle(rgb, (x, y), (x+w-1, y+h-1), (0, 255, 0), 2)

cv2.imshow('rects', rgb)

यहाँ छवि विवरण दर्ज करें यहाँ छवि विवरण दर्ज करें यहाँ छवि विवरण दर्ज करें


3
मुझे बस उसके दृष्टिकोण पर एक नजर थी। मुख्य अंतर यह है कि मैं एक सोबेल फिल्टर का उपयोग कर रहा हूं, जबकि मैं एक रूपात्मक ढाल फिल्टर का उपयोग कर रहा हूं। मुझे लगता है कि रूपात्मक फिल्टर और डाउनसम्पलिंग बहुत-से-मजबूत किनारों से बाहर निकलते हैं। Sobel अधिक शोर उठा सकता है।
dhanushka

1
@ascenator जब आप OTSU को थ्रेशोल्ड प्रकार के साथ जोड़ते हैं, तो यह निर्दिष्ट थ्रेसहोल्ड मान के बजाय Otsu की सीमा का उपयोग करता है। देखें यहाँ
dhanushka

1
@ विष्णुजयानंद आपको सिर्फ एक स्केलिंग लागू करनी है rect। वहाँ एक है pyrdown, इसलिए गुणा x, y, width, heightकी rect4. द्वारा
Dhanushka

1
क्या आप हमें तीसरी शर्त प्रदान कर सकते हैं: क्षैतिज प्रक्षेपण में महत्वपूर्ण चोटियों की संख्या या कम से कम कुछ सीसा।
ISlimani

2
@DforTye भरे हुए समोच्च का क्षैतिज प्रक्षेपण लें (cv :: कम करें), फिर इसे थ्रेशोल्ड (माध्य या औसत ऊंचाई का उपयोग करके) कहें। यदि आप इस परिणाम की कल्पना करते हैं, तो यह एक बारकोड जैसा दिखेगा। मुझे लगता है, उस समय, मैं बार की संख्या गिनने और उस पर एक सीमा लगाने के बारे में सोच रहा था। अब मुझे लगता है, यदि क्षेत्र पर्याप्त साफ है, तो यह भी मदद कर सकता है यदि हम इसे ओसीआर के लिए खिला सकते हैं और प्रत्येक पहचाने गए चरित्र के लिए एक विश्वास स्तर प्राप्त कर सकते हैं ताकि यह सुनिश्चित हो सके कि क्षेत्र में पाठ शामिल है।
dhanushka

51

यहाँ एक वैकल्पिक दृष्टिकोण है जिसका उपयोग मैंने पाठ ब्लॉक का पता लगाने के लिए किया था:

  1. छवि को ग्रेस्केल में परिवर्तित किया
  2. एप्लाइड थ्रेसहोल्ड (सरल बाइनरी थ्रेशोल्ड, थ्रेशोल्ड वैल्यू के रूप में 150 के मान के साथ)
  3. एप्लाइड फैलाव छवि में गाढ़ा लाइनों के लिए, और अधिक कॉम्पैक्ट वस्तुओं और कम सफेद स्थान टुकड़े के लिए अग्रणी। पुनरावृत्तियों की संख्या के लिए एक उच्च मूल्य का उपयोग किया जाता है, इसलिए फैलाव बहुत भारी है (13 पुनरावृत्तियों, इष्टतम परिणामों के लिए भी चुना गया)।
  4. परिणामी छवि में ऑब्जेक्ट की पहचान opencv findContours फ़ंक्शन का उपयोग करके की जाती है।
  5. प्रत्येक समोच्च वस्तु को परिचालित करते हुए एक बाउंडिंग बॉक्स (आयत) खींचा - उनमें से प्रत्येक पाठ के एक ब्लॉक को फ्रेम करता है।
  6. वैकल्पिक रूप से छोड़े गए क्षेत्र जो आपके द्वारा खोजे जा रहे ऑब्जेक्ट के होने की संभावना नहीं है (जैसे टेक्स्ट ब्लॉक) उनके आकार को दिए गए हैं, जैसा कि ऊपर दिया गया एल्गोरिथ्म भी इंटरसेक्टिंग या नेस्टेड ऑब्जेक्ट (पहले कार्ड के लिए पूरे शीर्ष क्षेत्र की तरह) पा सकता है, जिनमें से कुछ हो सकते हैं अपने उद्देश्यों के लिए उदासीन।

नीचे pyopencv के साथ अजगर में लिखा गया कोड है, इसे C ++ में पोर्ट करना आसान होना चाहिए।

import cv2

image = cv2.imread("card.png")
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) # grayscale
_,thresh = cv2.threshold(gray,150,255,cv2.THRESH_BINARY_INV) # threshold
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3))
dilated = cv2.dilate(thresh,kernel,iterations = 13) # dilate
_, contours, hierarchy = cv2.findContours(dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) # get contours

# for each contour found, draw a rectangle around it on original image
for contour in contours:
    # get rectangle bounding contour
    [x,y,w,h] = cv2.boundingRect(contour)

    # discard areas that are too large
    if h>300 and w>300:
        continue

    # discard areas that are too small
    if h<40 or w<40:
        continue

    # draw rectangle around contour on original image
    cv2.rectangle(image,(x,y),(x+w,y+h),(255,0,255),2)

# write original image with added contours to disk  
cv2.imwrite("contoured.jpg", image) 

मूल छवि आपकी पोस्ट में पहली छवि है।

प्रीप्रोसेसिंग के बाद (ग्रेस्केल, थ्रेशोल्ड और पतला - तो चरण 3 के बाद) छवि इस तरह दिखती है:

दिल की छवि

नीचे परिणामी छवि है (अंतिम पंक्ति में "contoured.jpg"); छवि में वस्तुओं के लिए अंतिम बाउंडिंग बॉक्स इस तरह दिखते हैं:

यहाँ छवि विवरण दर्ज करें

आप देख सकते हैं कि बाईं ओर के टेक्स्ट ब्लॉक को एक अलग ब्लॉक के रूप में पाया गया है, जो अपने परिवेश से सीमांकित है।

समान मापदंडों के साथ समान स्क्रिप्ट का उपयोग करना (थ्रेशोल्ड प्रकार को छोड़कर जो नीचे वर्णित दूसरी छवि के लिए बदल दिया गया था), यहां अन्य 2 कार्ड के लिए परिणाम दिए गए हैं:

यहाँ छवि विवरण दर्ज करें

यहाँ छवि विवरण दर्ज करें

मापदंडों को ट्यूनिंग

इस छवि और इस कार्य (टेक्स्ट ब्लॉक को खोजने) के लिए पैरामीटर (दहलीज मान, फैलाव पैरामीटर) को अनुकूलित किया गया था और यदि आवश्यक हो, अन्य कार्ड छवियों या अन्य प्रकार की वस्तुओं के लिए समायोजित किया जा सकता है।

थ्रेसहोल्डिंग (चरण 2) के लिए, मैंने एक काले रंग की दहलीज का उपयोग किया। उन छवियों के लिए जहां पाठ पृष्ठभूमि से हल्का है, जैसे कि आपकी पोस्ट में दूसरी छवि, एक सफेद सीमा का उपयोग किया जाना चाहिए, इसलिए थेशोल्डिंग प्रकार को बदलें cv2.THRESH_BINARY)। दूसरी छवि के लिए मैंने दहलीज (180) के लिए थोड़ा अधिक मूल्य का उपयोग किया। थ्रेशोल्ड वैल्यू के लिए मापदंडों को अलग करने और फैलाव के लिए पुनरावृत्तियों की संख्या के परिणामस्वरूप छवि में वस्तुओं के परिसीमन में संवेदनशीलता की विभिन्न डिग्री होगी।

अन्य वस्तु प्रकार ढूँढना:

उदाहरण के लिए, पहली छवि में 5 पुनरावृत्तियों में गिरावट को कम करने से हमें छवि में वस्तुओं का अधिक बारीक परिसीमन होता है, छवि में सभी शब्दों को खोजने के बजाय (पाठ ब्लॉक के बजाय):

यहाँ छवि विवरण दर्ज करें

किसी शब्द के मोटे आकार को जानने के बाद, मैंने उन क्षेत्रों को छोड़ दिया जो छोटे थे (20 पिक्सेल चौड़ाई या ऊँचाई से नीचे) या बहुत बड़े (100 पिक्सेल चौड़ाई या ऊँचाई से ऊपर) उन वस्तुओं की अनदेखी करना जिनके शब्दों की संभावना नहीं है, परिणाम प्राप्त करने के लिए ऊपर की छवि।


2
तुम कमाल हो! मैं सुबह यही कोशिश करूंगा।
क्लिप

मैंने निर्बाध वस्तुओं को छोड़ने के लिए एक और कदम जोड़ा; शब्दों या अन्य प्रकार की वस्तुओं (पाठ के ब्लॉक से) की पहचान के लिए उदाहरण भी जोड़ा गया है
anana

विस्तृत उत्तर के लिए धन्यवाद, हालाँकि मुझे इसमें त्रुटि मिल रही है cv2.findContours। यह कहता है ValueError: too many values to unpack
अभिजीत

1
मुद्दा यह है कि फ़ंक्शन cv2.findContours3 तर्क देता है, और मूल कोड केवल 2. कैप्चर करता है
अभिजीत

संस्करण में @Abjjith cv2 दो आर्ग्स लौटाए, लेकिन अब, संस्करण तीन में, यह 3 लौटता है
'20

27

@ dhanushka के दृष्टिकोण ने सबसे वादा किया था लेकिन मैं पायथन में खेलना चाहता था इसलिए आगे बढ़ गया और इसे मज़े के लिए अनुवादित किया:

import cv2
import numpy as np
from cv2 import boundingRect, countNonZero, cvtColor, drawContours, findContours, getStructuringElement, imread, morphologyEx, pyrDown, rectangle, threshold

large = imread(image_path)
# downsample and use it for processing
rgb = pyrDown(large)
# apply grayscale
small = cvtColor(rgb, cv2.COLOR_BGR2GRAY)
# morphological gradient
morph_kernel = getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
grad = morphologyEx(small, cv2.MORPH_GRADIENT, morph_kernel)
# binarize
_, bw = threshold(src=grad, thresh=0, maxval=255, type=cv2.THRESH_BINARY+cv2.THRESH_OTSU)
morph_kernel = getStructuringElement(cv2.MORPH_RECT, (9, 1))
# connect horizontally oriented regions
connected = morphologyEx(bw, cv2.MORPH_CLOSE, morph_kernel)
mask = np.zeros(bw.shape, np.uint8)
# find contours
im2, contours, hierarchy = findContours(connected, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
# filter contours
for idx in range(0, len(hierarchy[0])):
    rect = x, y, rect_width, rect_height = boundingRect(contours[idx])
    # fill the contour
    mask = drawContours(mask, contours, idx, (255, 255, 2555), cv2.FILLED)
    # ratio of non-zero pixels in the filled region
    r = float(countNonZero(mask)) / (rect_width * rect_height)
    if r > 0.45 and rect_height > 8 and rect_width > 8:
        rgb = rectangle(rgb, (x, y+rect_height), (x+rect_width, y), (0,255,0),3)

अब छवि प्रदर्शित करने के लिए:

from PIL import Image
Image.fromarray(rgb).show()

स्क्रिप्ट के सबसे पायथोनिक नहीं, लेकिन मैंने पाठकों के अनुसरण के लिए मूल सी ++ कोड को यथासंभव बारीकी से देखने की कोशिश की।

यह लगभग मूल के रूप में अच्छी तरह से काम करता है। मुझे सुझाव पढ़ने में खुशी होगी कि मूल परिणामों से पूरी तरह से मेल खाने के लिए इसे कैसे सुधार / तय किया जा सकता है।

यहाँ छवि विवरण दर्ज करें

यहाँ छवि विवरण दर्ज करें

यहाँ छवि विवरण दर्ज करें


3
एक अजगर संस्करण प्रदान करने के लिए धन्यवाद। कई लोगों को यह उपयोगी लगेगा। +1
dhanushka

समोच्च को भरने और इसे खींचने के बीच क्या अंतर है? मुझे यहां भरने के चरण के बिना एक कोड मिला: stackoverflow.com/a/23556997/6837132
सारदाटा

@SarahM मैं नहीं जानता कि क्या आप सामान्य रूप से ड्राइंग और फिलिंग (स्पष्ट रूप से मेरे विचार से?) या ओपनसीवी एपीआई के बीच सामान्य अंतर के बारे में पूछ रहे हैं? यदि बाद वाला उस स्थिति के लिए डॉक्स देखता है, drawContours"फ़ंक्शन छवि में समोच्च रूपरेखा बनाता है यदि मोटाई> 0 या यदि आकृति से घिरे क्षेत्र को भरता है तो मोटाई <0." ऐसा किया जाता है इसलिए हम यह तय करने के लिए गैर-शून्य पिक्सेल के अनुपात की जांच कर सकते हैं कि क्या बॉक्स संभावना में पाठ है।
१२:17

15

आप इस विधि को आजमा सकते हैं जिसे चुकाई यी और यिंगली टियान द्वारा विकसित किया गया है।

वे एक सॉफ्टवेयर भी साझा करते हैं (जो कि Opencv-1.0 पर आधारित है और इसे विंडोज प्लेटफॉर्म के तहत चलना चाहिए।) जिसे आप उपयोग कर सकते हैं (हालांकि कोई स्रोत कोड उपलब्ध नहीं है)। यह छवि में सभी पाठ बाउंडिंग बॉक्स (रंग छाया में दिखाया गया है) उत्पन्न करेगा। अपनी नमूना छवियों पर लागू होने से, आपको निम्नलिखित परिणाम मिलेंगे:

नोट: परिणाम को और अधिक मजबूत बनाने के लिए, आप निकटवर्ती बक्से को एक साथ मर्ज कर सकते हैं।


अद्यतन: यदि आपका अंतिम लक्ष्य छवि में ग्रंथों को पहचानना है, तो आप आगे gttext की जांच कर सकते हैं , जो कि टेक्स्ट के साथ कलर इमेज के लिए OCR फ्री सॉफ्टवेयर और ग्राउंड ट्रूथिंग टूल है। सोर्स कोड भी उपलब्ध है।

इसके साथ, आप मान्यता प्राप्त ग्रंथ प्राप्त कर सकते हैं जैसे:


gttext विंडोज़ के लिए है। मैक / लिनक्स उपयोगकर्ताओं के लिए कोई सुझाव
सगीर ए। खत्री

5

उपरोक्त कोड जावा संस्करण: धन्यवाद @William

public static List<Rect> detectLetters(Mat img){    
    List<Rect> boundRect=new ArrayList<>();

    Mat img_gray =new Mat(), img_sobel=new Mat(), img_threshold=new Mat(), element=new Mat();
    Imgproc.cvtColor(img, img_gray, Imgproc.COLOR_RGB2GRAY);
    Imgproc.Sobel(img_gray, img_sobel, CvType.CV_8U, 1, 0, 3, 1, 0, Core.BORDER_DEFAULT);
    //at src, Mat dst, double thresh, double maxval, int type
    Imgproc.threshold(img_sobel, img_threshold, 0, 255, 8);
    element=Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(15,5));
    Imgproc.morphologyEx(img_threshold, img_threshold, Imgproc.MORPH_CLOSE, element);
    List<MatOfPoint> contours = new ArrayList<MatOfPoint>();
    Mat hierarchy = new Mat();
    Imgproc.findContours(img_threshold, contours,hierarchy, 0, 1);

    List<MatOfPoint> contours_poly = new ArrayList<MatOfPoint>(contours.size());

     for( int i = 0; i < contours.size(); i++ ){             

         MatOfPoint2f  mMOP2f1=new MatOfPoint2f();
         MatOfPoint2f  mMOP2f2=new MatOfPoint2f();

         contours.get(i).convertTo(mMOP2f1, CvType.CV_32FC2);
         Imgproc.approxPolyDP(mMOP2f1, mMOP2f2, 2, true); 
         mMOP2f2.convertTo(contours.get(i), CvType.CV_32S);


            Rect appRect = Imgproc.boundingRect(contours.get(i));
            if (appRect.width>appRect.height) {
                boundRect.add(appRect);
            }
     }

    return boundRect;
}

और व्यवहार में इस कोड का उपयोग करें:

        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
        Mat img1=Imgcodecs.imread("abc.png");
        List<Rect> letterBBoxes1=Utils.detectLetters(img1);

        for(int i=0; i< letterBBoxes1.size(); i++)
            Imgproc.rectangle(img1,letterBBoxes1.get(i).br(), letterBBoxes1.get(i).tl(),new Scalar(0,255,0),3,8,0);         
        Imgcodecs.imwrite("abc1.png", img1);

2

@ Dhanushka के समाधान के लिए पायथन कार्यान्वयन:

def process_rgb(rgb):
    hasText = False
    gray = cv2.cvtColor(rgb, cv2.COLOR_BGR2GRAY)
    morphKernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3,3))
    grad = cv2.morphologyEx(gray, cv2.MORPH_GRADIENT, morphKernel)
    # binarize
    _, bw = cv2.threshold(grad, 0.0, 255.0, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
    # connect horizontally oriented regions
    morphKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 1))
    connected = cv2.morphologyEx(bw, cv2.MORPH_CLOSE, morphKernel)
    # find contours
    mask = np.zeros(bw.shape[:2], dtype="uint8")
    _,contours, hierarchy = cv2.findContours(connected, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
    # filter contours
    idx = 0
    while idx >= 0:
        x,y,w,h = cv2.boundingRect(contours[idx])
        # fill the contour
        cv2.drawContours(mask, contours, idx, (255, 255, 255), cv2.FILLED)
        # ratio of non-zero pixels in the filled region
        r = cv2.contourArea(contours[idx])/(w*h)
        if(r > 0.45 and h > 5 and w > 5 and w > h):
            cv2.rectangle(rgb, (x,y), (x+w,y+h), (0, 255, 0), 2)
            hasText = True
        idx = hierarchy[0][idx][0]
    return hasText, rgb

मास्क का इस्तेमाल क्यों किया?
सराहा

1
डुप्लिकेट उत्तर। यदि आप stackoverflow.com/a/43283990/6809909 पर वार्तालाप में योगदान करते हैं तो यह अधिक उपयोगी होता ।
१२:17

2

यह OpenCVSharp का उपयोग करके dhanushka के उत्तर का C # संस्करण है

        Mat large = new Mat(INPUT_FILE);
        Mat rgb = new Mat(), small = new Mat(), grad = new Mat(), bw = new Mat(), connected = new Mat();

        // downsample and use it for processing
        Cv2.PyrDown(large, rgb);
        Cv2.CvtColor(rgb, small, ColorConversionCodes.BGR2GRAY);

        // morphological gradient
        var morphKernel = Cv2.GetStructuringElement(MorphShapes.Ellipse, new OpenCvSharp.Size(3, 3));
        Cv2.MorphologyEx(small, grad, MorphTypes.Gradient, morphKernel);

        // binarize
        Cv2.Threshold(grad, bw, 0, 255, ThresholdTypes.Binary | ThresholdTypes.Otsu);

        // connect horizontally oriented regions
        morphKernel = Cv2.GetStructuringElement(MorphShapes.Rect, new OpenCvSharp.Size(9, 1));
        Cv2.MorphologyEx(bw, connected, MorphTypes.Close, morphKernel);

        // find contours
        var mask = new Mat(Mat.Zeros(bw.Size(), MatType.CV_8UC1), Range.All);
        Cv2.FindContours(connected, out OpenCvSharp.Point[][] contours, out HierarchyIndex[] hierarchy, RetrievalModes.CComp, ContourApproximationModes.ApproxSimple, new OpenCvSharp.Point(0, 0));

        // filter contours
        var idx = 0;
        foreach (var hierarchyItem in hierarchy)
        {
            idx = hierarchyItem.Next;
            if (idx < 0)
                break;
            OpenCvSharp.Rect rect = Cv2.BoundingRect(contours[idx]);
            var maskROI = new Mat(mask, rect);
            maskROI.SetTo(new Scalar(0, 0, 0));

            // fill the contour
            Cv2.DrawContours(mask, contours, idx, Scalar.White, -1);

            // ratio of non-zero pixels in the filled region
            double r = (double)Cv2.CountNonZero(maskROI) / (rect.Width * rect.Height);
            if (r > .45 /* assume at least 45% of the area is filled if it contains text */
                 &&
            (rect.Height > 8 && rect.Width > 8) /* constraints on region size */
            /* these two conditions alone are not very robust. better to use something 
            like the number of significant peaks in a horizontal projection as a third condition */
            )
            {
                Cv2.Rectangle(rgb, rect, new Scalar(0, 255, 0), 2);
            }
        }

        rgb.SaveImage(Path.Combine(AppDomain.CurrentDomain.BaseDirectory, "rgb.jpg"));

0

यह EmguCV का उपयोग करते हुए dhanushka से उत्तर का VB.NET संस्करण है

EmguCV में कुछ कार्यों और संरचनाओं को OpenCVSharp के साथ C # संस्करण की तुलना में अलग विचार की आवश्यकता है

Imports Emgu.CV
Imports Emgu.CV.Structure
Imports Emgu.CV.CvEnum
Imports Emgu.CV.Util

        Dim input_file As String = "C:\your_input_image.png"
        Dim large As Mat = New Mat(input_file)
        Dim rgb As New Mat
        Dim small As New Mat
        Dim grad As New Mat
        Dim bw As New Mat
        Dim connected As New Mat
        Dim morphanchor As New Point(0, 0)

        '//downsample and use it for processing
        CvInvoke.PyrDown(large, rgb)
        CvInvoke.CvtColor(rgb, small, ColorConversion.Bgr2Gray)

        '//morphological gradient
        Dim morphKernel As Mat = CvInvoke.GetStructuringElement(ElementShape.Ellipse, New Size(3, 3), morphanchor)
        CvInvoke.MorphologyEx(small, grad, MorphOp.Gradient, morphKernel, New Point(0, 0), 1, BorderType.Isolated, New MCvScalar(0))

        '// binarize
        CvInvoke.Threshold(grad, bw, 0, 255, ThresholdType.Binary Or ThresholdType.Otsu)

        '// connect horizontally oriented regions
        morphKernel = CvInvoke.GetStructuringElement(ElementShape.Rectangle, New Size(9, 1), morphanchor)
        CvInvoke.MorphologyEx(bw, connected, MorphOp.Close, morphKernel, morphanchor, 1, BorderType.Isolated, New MCvScalar(0))

        '// find contours
        Dim mask As Mat = Mat.Zeros(bw.Size.Height, bw.Size.Width, DepthType.Cv8U, 1)  '' MatType.CV_8UC1
        Dim contours As New VectorOfVectorOfPoint
        Dim hierarchy As New Mat

        CvInvoke.FindContours(connected, contours, hierarchy, RetrType.Ccomp, ChainApproxMethod.ChainApproxSimple, Nothing)

        '// filter contours
        Dim idx As Integer
        Dim rect As Rectangle
        Dim maskROI As Mat
        Dim r As Double
        For Each hierarchyItem In hierarchy.GetData
            rect = CvInvoke.BoundingRectangle(contours(idx))
            maskROI = New Mat(mask, rect)
            maskROI.SetTo(New MCvScalar(0, 0, 0))

            '// fill the contour
            CvInvoke.DrawContours(mask, contours, idx, New MCvScalar(255), -1)

            '// ratio of non-zero pixels in the filled region
            r = CvInvoke.CountNonZero(maskROI) / (rect.Width * rect.Height)

            '/* assume at least 45% of the area Is filled if it contains text */
            '/* constraints on region size */
            '/* these two conditions alone are Not very robust. better to use something 
            'Like the number of significant peaks in a horizontal projection as a third condition */
            If r > 0.45 AndAlso rect.Height > 8 AndAlso rect.Width > 8 Then
                'draw green rectangle
                CvInvoke.Rectangle(rgb, rect, New MCvScalar(0, 255, 0), 2)
            End If
            idx += 1
        Next
        rgb.Save(IO.Path.Combine(Application.StartupPath, "rgb.jpg"))
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.