我自己的Python OCR程序
我还是一个初学者,但我想写一个字符识别程序。这个程序还没有准备好。我编辑了很多,因此评论可能不完全匹配。我将使用8连接性来标记连接的组件我自己的Python OCR程序,python,arrays,artificial-intelligence,ocr,Python,Arrays,Artificial Intelligence,Ocr,我还是一个初学者,但我想写一个字符识别程序。这个程序还没有准备好。我编辑了很多,因此评论可能不完全匹配。我将使用8连接性来标记连接的组件 from PIL import Image import numpy as np im = Image.open("D:\\Python26\\PYTHON-PROGRAMME\\bild_schrift.jpg") w,h = im.size w = int(w) h = int(h) #2D-Array for area area = [] for
from PIL import Image
import numpy as np
im = Image.open("D:\\Python26\\PYTHON-PROGRAMME\\bild_schrift.jpg")
w,h = im.size
w = int(w)
h = int(h)
#2D-Array for area
area = []
for x in range(w):
area.append([])
for y in range(h):
area[x].append(2) #number 0 is white, number 1 is black
#2D-Array for letter
letter = []
for x in range(50):
letter.append([])
for y in range(50):
letter[x].append(0)
#2D-Array for label
label = []
for x in range(50):
label.append([])
for y in range(50):
label[x].append(0)
#image to number conversion
pix = im.load()
threshold = 200
for x in range(w):
for y in range(h):
aaa = pix[x, y]
bbb = aaa[0] + aaa[1] + aaa[2] #total value
if bbb<=threshold:
area[x][y] = 1
if bbb>threshold:
area[x][y] = 0
np.set_printoptions(threshold='nan', linewidth=10)
#matrix transponation
ccc = np.array(area)
area = ccc.T #better solution?
#find all black pixel and set temporary label numbers
i=1
for x in range(40): # width (later)
for y in range(40): # heigth (later)
if area[x][y]==1:
letter[x][y]=1
label[x][y]=i
i += 1
#connected components labeling
for x in range(40): # width (later)
for y in range(40): # heigth (later)
if area[x][y]==1:
label[x][y]=i
#if pixel has neighbour:
if area[x][y+1]==1:
#pixel and neighbour get the lowest label
pass # tomorrows work
if area[x+1][y]==1:
#pixel and neighbour get the lowest label
pass # tomorrows work
#should i also compare pixel and left neighbour?
#find width of the letter
#find height of the letter
#find the middle of the letter
#middle = [width/2][height/2] #?
#divide letter into 30 parts --> 5 x 6 array
#model letter
#letter A-Z, a-z, 0-9 (maybe more)
#compare each of the 30 parts of the letter with all model letters
#make a weighting
#print(letter)
im.save("D:\\Python26\\PYTHON-PROGRAMME\\bild2.jpg")
print('done')
从PIL导入图像
将numpy作为np导入
im=Image.open(“D:\\Python26\\PYTHON-program\\bild\u schrift.jpg”)
w、 h=im尺寸
w=int(w)
h=int(h)
#二维面阵
面积=[]
对于范围(w)内的x:
area.append([])
对于范围(h)内的y:
区域[x]。追加(2)#数字0为白色,数字1为黑色
#二维字母数组
字母=[]
对于范围(50)内的x:
信函。附加([])
对于范围(50)内的y:
字母[x]。追加(0)
#标签的二维数组
标签=[]
对于范围(50)内的x:
label.append([])
对于范围(50)内的y:
标签[x]。追加(0)
#图像到数字的转换
pix=im.load()
阈值=200
对于范围(w)内的x:
对于范围(h)内的y:
aaa=pix[x,y]
bbb=aaa[0]+aaa[1]+aaa[2]#总价值
如果BBB阈值为:
面积[x][y]=0
np.设置打印选项(阈值=nan',线宽=10)
#矩阵转置
ccc=np.阵列(面积)
面积=ccc.T#更好的解决方案?
#查找所有黑色像素并设置临时标签编号
i=1
对于范围(40)内的x:#宽度(稍后)
对于范围(40)内的y:#高度(稍后)
如果面积[x][y]==1:
字母[x][y]=1
标签[x][y]=i
i+=1
#连接组件标签
对于范围(40)内的x:#宽度(稍后)
对于范围(40)内的y:#高度(稍后)
如果面积[x][y]==1:
标签[x][y]=i
#如果像素有邻居:
如果面积[x][y+1]==1:
#像素和邻居得到最低的标签
通过明天的工作
如果面积[x+1][y]==1:
#像素和邻居得到最低的标签
通过明天的工作
#我应该也比较像素和左邻域吗?
#找出字母的宽度
#找出字母的高度
#找到信的中间部分
#中间=[宽度/2][高度/2]#?
#将字母分成30部分-->5 x 6数组
#范文
#字母A-Z,A-Z,0-9(可能更多)
#将信函的30个部分中的每一部分与所有模型信函进行比较
#加权
#印刷品(信件)
im.save(“D:\\Python26\\PYTHON-program\\bild2.jpg”)
打印(‘完成’)
OCR非常非常难。即使是计算机生成的字符,如果您事先不知道字体和字号,这也是相当有挑战性的。即使你完全匹配字符,我也不会称之为“开始”编程项目;这很微妙
如果你想识别扫描或手写字符,那就更难了——你需要使用高级数学、算法和机器学习。关于这个话题,有相当多的书和数千篇文章,所以你不需要重新发明轮子
我佩服你的努力,但我认为你还没有取得足够的进展来克服任何实际困难。到目前为止,您只是随机探索像素并将它们从一个阵列复制到另一个阵列。你实际上还没有做任何比较,我也不确定你“随机漫步”的目的
- 为什么是随机的?编写正确的随机算法相当困难。我建议首先从确定性算法开始
- 为什么要从一个数组复制到另一个数组?为什么不直接比较呢
不过,根据您目前编写的代码,我有一个想法:尝试编写一个程序,在图像中的“迷宫”中找到自己的方向。输入将是图像,加上开始像素和目标像素。输出是一条从起点到目标的迷宫路径。这是一个比OCR容易得多的问题-解决迷宫是计算机的一大优势-但它仍然很有趣和具有挑战性。OCR非常非常困难!使用什么方法尝试OCR将取决于您尝试完成的内容(手写识别、计算机生成的文本阅读等) 然而,要开始学习,请阅读神经网络和OCR。以下是一些关于该主题的文章: 使用您喜爱的搜索引擎查找信息
玩得开心 OCR确实不是一项容易的任务。这就是为什么文字验证码仍然有效:) 为了只讨论字母提取而不是模式识别,您正在使用的分离字母的技术称为。因为您要求一种更有效的方法来实现这一点,所以请尝试实现本文中描述的双过程算法。另一个描述可以在文章中找到 编辑:下面是我建议的算法的实现:
import sys
from PIL import Image, ImageDraw
class Region():
def __init__(self, x, y):
self._pixels = [(x, y)]
self._min_x = x
self._max_x = x
self._min_y = y
self._max_y = y
def add(self, x, y):
self._pixels.append((x, y))
self._min_x = min(self._min_x, x)
self._max_x = max(self._max_x, x)
self._min_y = min(self._min_y, y)
self._max_y = max(self._max_y, y)
def box(self):
return [(self._min_x, self._min_y), (self._max_x, self._max_y)]
def find_regions(im):
width, height = im.size
regions = {}
pixel_region = [[0 for y in range(height)] for x in range(width)]
equivalences = {}
n_regions = 0
#first pass. find regions.
for x in xrange(width):
for y in xrange(height):
#look for a black pixel
if im.getpixel((x, y)) == (0, 0, 0, 255): #BLACK
# get the region number from north or west
# or create new region
region_n = pixel_region[x-1][y] if x > 0 else 0
region_w = pixel_region[x][y-1] if y > 0 else 0
max_region = max(region_n, region_w)
if max_region > 0:
#a neighbour already has a region
#new region is the smallest > 0
new_region = min(filter(lambda i: i > 0, (region_n, region_w)))
#update equivalences
if max_region > new_region:
if max_region in equivalences:
equivalences[max_region].add(new_region)
else:
equivalences[max_region] = set((new_region, ))
else:
n_regions += 1
new_region = n_regions
pixel_region[x][y] = new_region
#Scan image again, assigning all equivalent regions the same region value.
for x in xrange(width):
for y in xrange(height):
r = pixel_region[x][y]
if r > 0:
while r in equivalences:
r = min(equivalences[r])
if not r in regions:
regions[r] = Region(x, y)
else:
regions[r].add(x, y)
return list(regions.itervalues())
def main():
im = Image.open(r"c:\users\personal\py\ocr\test.png")
regions = find_regions(im)
draw = ImageDraw.Draw(im)
for r in regions:
draw.rectangle(r.box(), outline=(255, 0, 0))
del draw
#im.show()
output = file("output.png", "wb")
im.save(output)
output.close()
if __name__ == "__main__":
main()
这并不是100%完美,但因为你这样做只是为了学习,这可能是一个很好的起点。有了每个字符的边界框,您现在可以像其他人在这里建议的那样使用神经网络。现在大多数OCR算法都基于神经网络算法。这是一个很好的开始。基于可用的Hopfield模型,我用python构建了一个非常基本的图像识别算法,类似于您所描述的。我已经发布了完整的来源。这是一个玩具项目,不适合真正的OCR,但可以让你开始在正确的方向 Hopfield模型用作自联想存储器来存储和调用一组位图图像。通过计算相应的权重矩阵来存储图像。此后,从任意配置开始,存储器将精确地安置在存储的图像上,该图像在汉明距离方面最接近于开始配置因此,如果存储图像的版本不完整或损坏,网络