Python - 深度学习系列24 - 使用cnocr进行汉字OCR3

说明

顺着上一篇的思路继续往下走，一方面往实现需求的角度走，看还需要做些什么。另一方面顺带把对图片的处理按PM方式重新梳理起来，不想以后再从0回忆了。

内容

1 思路

之前发现如果把原始图片给cnocr识别时，抠图部分就错了。一个简单的逻辑：

• 1 抠图 - > 形成文字块
• 2 文字块识别 -> 一段文字

于是我截一段话：

1 文字块识别

调用程序后，我发现对于文本块的图像切割还是混乱的

所以cnocr不能直接接受文字块。我猜测cnocr在做的时候就是针对单行的，并且做了对图片的翻转、扭曲等一系列预处理。再加上cv2图片的坐标格式和Image本身就是反着的，所以有问题。

2 文字行识别

看看对单行的识别

我手工截了一行进行识别

python可以读取图片的包有好几个，很多机器学习的包也都带了图片的读取，甚至一些预处理。以下约定：
- 图片IO: 使用PIL的Image
- 矩阵形态的处理: numpy

截图我保存为test2_1_of_10.png, 要展示截图时要转为RGB， 因为PNG有个透明通道，PIL不知道咋处理。

from PIL import Image

# 文件方式
with open('test2_1_of_10.png','rb') as f:
    pic1 = Image.open(f)
    pic1 = pic1.convert("RGB")
    pic1.show()

# 流方式（Reference)
#import base64
#import io
#raw_str = 'SOME_BASE64_STR'
#raw_str_bin = base64.b64decode(raw_str)
#pic = Image.open(io.BytesIO(raw_str_bin)

# 图片转矩阵
pic1_arr = np.asarray(pic1)

# 矩阵转图片
#  pic1= Image.fromarray(pic1_arr)

pic1_arr.shape
(43, 644, 3)

ocr_res = cn_ocr.ocr(pic1_arr)

''.join(sum(ocr_res,[]))

'中共—大会址最初为—大代表李汉俊之兄李'

看起来还不错哟，基本上都识别出来了。当然把一识别成-是可以原谅的。

总结一下，cnocr可以识别文字行。

那么问题就转换为：

• 1 从大图片里分离内容区域
• 2 识别其中的文字块
• 3 文字块转为文字行
• 4 把文字行交给cnocr

所以接下来，我们来搞一个文字块转文字行的方法。