Python 如何提取支票/支票图像中的帐号

我正在执行一项任务，从支票图像中提取

账号

。我目前的方法可以分为两个步骤

本地化帐号数字（打印数字）

使用OCR库执行OCR，如

Tesseract OCR

第二步是直接假设我们已经正确地本地化了帐号数字

我尝试使用

OpenCV

等高线方法和

MSER

（最大稳定极值区域）来定位账号数字，但没有得到有用的结果。很难概括模式，因为

• 不同的银行支票有不同的模板
• 帐号位置不固定

我们如何处理这个问题。我是否必须寻找一些基于

的深入学习方法

示例图像
假设帐号具有唯一的紫色文本颜色，我们可以使用颜色阈值。其思想是将图像转换为HSV颜色空间，然后定义较低/较高的颜色范围，并使用
cv2.inRange（）
执行颜色阈值。在此基础上，我们通过轮廓区域进行过滤，以去除小噪声。最后，我们反转图像，因为我们希望文本为黑色，背景为白色。最后一步是在将图像放入Pytesseract之前对其进行高斯模糊。结果如下：


肾盂切除术的结果

30002010108841

代码

将numpy导入为np
导入pytesseract
进口cv2
pytesseract.pytesseract.tesseract_cmd=r“C:\Program Files\tesseract OCR\tesseract.exe”
image=cv2.imread（'1.png'）
hsv=cv2.cvt颜色（图像，cv2.COLOR\u BGR2HSV）
lower=np.数组（[103,79,60]）
上限=np.数组（[129255255]）
遮罩=cv2.inRange（hsv，下部，上部）
cnts=cv2.查找孔（屏蔽、cv2.RETR\u外部、cv2.链近似\u简单）
如果len（cnts）==2个其他cnts[1]，则cnts=cnts[0]
对于碳纳米管中的碳：
面积=cv2。轮廓面积（c）
如果面积小于10：
cv2.绘制轮廓（掩模，[c]，-1，（0,0,0），-1）
掩码=255-掩码
掩模=cv2.GaussianBlur（掩模，（3,3），0）
data=pytesseract.image_to_字符串（掩码，lang='eng'，config='--psm 6'）
打印（数据）
cv2.imshow（“面具”，面具）
cv2.waitKey（）
谢谢大家的建议，我最终培训了深度学习对象检测方法来定位账号，与基于OpenCV的方法相比，它给出了非常好的结果
账号位于最底部，对吗？通常，我看到的支票没有明确的Ac No字段above@cuongptnk不，这是银行路线号码，我喜欢你的解决方案。然而，不确定紫色假设是否成立。我想需要OP提供更多的细节。也许只是提取所有的数字序列。然后对帐号应用一些约束：最小长度，需要以范围内的数字开始，等等。。。我认为这样更可靠？@Nathany不幸的是，账号没有固定的紫色，应该在box@arush1836我认为你需要列出一份我们可以依赖的知识清单：例如，“它应该在盒子里”是一个非常好的观点，因为第一步是找到“候选人”盒子。我们掌握的信息越多，我们就能更好地找到解决方案。我认为银行名称总是在左上角，对吗？如果是这样，我们可以先提取并识别银行。如果不是这样的话，在每一家银行，我们都有一个独特的模式来提取账号。嗨@arush，你能告诉我如何获取账号吗。基本上我想从aadhar卡中提取数据。我已经使用模板制作了一个边界框（labelImg）。任何应用输入的图像，但我可以得到好的结果。你能告诉我如何应用深度学习模型来检测文本并提取文本吗？Hi@Saini aadhar卡模板与支票图像模板相比不太复杂，我认为它只包含打印字符，所以OpenCV应该足以检测文本（对于识别部分，您可以使用tesseract ocr）。我相信深度学习方法对于您的任务来说是多余的
import numpy as np
import pytesseract
import cv2

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

image = cv2.imread('1.png')
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([103,79,60])
upper = np.array([129,255,255])
mask = cv2.inRange(hsv, lower, upper)

cnts = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
for c in cnts:
    area = cv2.contourArea(c)
    if area < 10:
        cv2.drawContours(mask, [c], -1, (0,0,0), -1)

mask = 255 - mask
mask = cv2.GaussianBlur(mask, (3,3), 0)

data = pytesseract.image_to_string(mask, lang='eng',config='--psm 6')
print(data)

cv2.imshow('mask', mask)
cv2.waitKey()