用OpenCV先去除边框线,以提升OCR准确率

2024-04-30 06:04

本文主要是介绍用OpenCV先去除边框线,以提升OCR准确率,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在OpenCV的魔力下,我们如魔法师般巧妙地抹去表格的边框线,让文字如诗如画地跃然纸上。

e0c56a8fac7db8922a2521759981dde8.jpeg 首先,我们挥动魔杖,将五彩斑斓的图像转化为单一的灰度世界,如同将一幅绚丽的油画化为水墨画,通过`cv2.cvtColor()`函数的施展,我们实现了这一华丽的转变。


接着,我们施展边缘检测的法术,运用Canny边缘检测算法,如同在黑夜中点亮的繁星,清晰地勾勒出表格的边界,让我们一览无余地看到其轮廓。

然后,我们借助`cv2.findContours()`函数,探寻这些边缘背后的神秘轮廓,它们如同地图上的隐秘路线,引导我们深入未知的境地。

在这迷宫般的轮廓中,我们寻觅着真正的主角——表格的边框。这是一场人海中的寻觅,我们凭借面积、宽高比等线索,筛选出心中的目标。

随后,我们在原始图像上细细描绘这些筛选后的轮廓,如同在绘画一幅精美的图案,`cv2.drawContours()`函数如同我们的画笔,轻轻描绘,让轮廓在图像上跃然而出。

接着,我们用纯净的白色填充这些轮廓区域,如同用雪花覆盖大地,将那些烦人的表格线一一抹去,让图像呈现出清新脱俗的美感。

最后,我们将这处理过的图像交给Tesseract这位识画之人,让它为我们解读其中的文字奥秘。如同将一幅被迷雾笼罩的画卷交给识画之人,让真相大白于天下。

以下是这段美妙过程的代码诠释:


```python
import cv2
import numpy as np

# 读取图像,如同打开一幅尘封已久的画卷
image = cv2.imread('table_image.jpg')

# 将图像转化为灰度,如同将油画转化为水墨画
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 施展边缘检测的法术,寻找图像中的边缘
edges = cv2.Canny(gray, 50, 150, apertureSize=3)

# 寻找边缘背后的轮廓,如同探寻地图上的路线
contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在原始图像上描绘筛选后的轮廓,如同在绘画一幅精美的图案
for contour in contours:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(image, (x, y), (x + w, y + h), (255, 255, 255), -1)

# 保存处理后的图像,如同将一幅精美的画作妥善保存
cv2.imwrite('processed_image.jpg', image)

# 在这里,你可以添加Tesseract识别的代码
# 将处理过的图像交给Tesseract解读,如同将画卷交给识画之人
```
如此,我们便在OpenCV的引领下,如同魔法师般成功地抹去了表格中的边框线,让文字如诗如画地呈现在我们的眼前。

最后,用OCR接口,建议用金鸣表格文字识别系统,它是一款基于AI和OCR的表格文字识别软件,既可以将PDF直接转为word/excel,也可以通过OCR方案将PDF中的图片转为word/excel,她主要有以下优势:
一、采用超前AI技术,经深度学习,识别率高。
金鸣识别系统采用超前AI技术,程序经深度学习,识别精准,能有效解决传统文字识别软件对复杂图片的文字识别率低、效果差等弊端。
二、效果好,还原排版,识别后编辑内容少。
金鸣识别除了支持通用的文字识别和表格识别外,还支持高精结构还原、智能分段、保留印章和商标LOGO,同时支持近百种票据和证件结构化识别,功能强大,种类齐全丰富,基本上能满足各种不同需求的人群。
三、多人共用,多端通用,使用方便。
金鸣识别同时具备电脑网页版、客户端和移动端的APP、小程序,一个账户可通用各种不同的设备,既支持直接用扫描仪扫描识别,也支持用手机直接拍照识别,同时支持直接添加已有的图片或PDF进行识别,使用方便快捷。
四、支持大批量合并
支持上百张图片合并转到一个excel表中,或一个word文档里,word文档还支持分页合并和连续合并。这样可大大提高工作效率。
五、支持API接口
对于有编程技术的用户,我们提供了API接口,可以直接返回excel或json,以供您集成到自有的程序中。

这篇关于用OpenCV先去除边框线,以提升OCR准确率的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/948058

相关文章

在PyCharm中安装PyTorch、torchvision和OpenCV详解

《在PyCharm中安装PyTorch、torchvision和OpenCV详解》:本文主要介绍在PyCharm中安装PyTorch、torchvision和OpenCV方式,具有很好的参考价值,... 目录PyCharm安装PyTorch、torchvision和OpenCV安装python安装PyTor

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

OpenCV图像形态学的实现

《OpenCV图像形态学的实现》本文主要介绍了OpenCV图像形态学的实现,包括腐蚀、膨胀、开运算、闭运算、梯度运算、顶帽运算和黑帽运算,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起... 目录一、图像形态学简介二、腐蚀(Erosion)1. 原理2. OpenCV 实现三、膨胀China编程(

CSS去除a标签的下划线的几种方法

《CSS去除a标签的下划线的几种方法》本文给大家分享在CSS中,去除a标签(超链接)的下划线的几种方法,本文给大家介绍的非常详细,感兴趣的朋友一起看看吧... 在 css 中,去除a标签(超链接)的下划线主要有以下几种方法:使用text-decoration属性通用选择器设置:使用a标签选择器,将tex

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

Java使用Tesseract-OCR实战教程

《Java使用Tesseract-OCR实战教程》本文介绍了如何在Java中使用Tesseract-OCR进行文本提取,包括Tesseract-OCR的安装、中文训练库的配置、依赖库的引入以及具体的代... 目录Java使用Tesseract-OCRTesseract-OCR安装配置中文训练库引入依赖代码实

使用DeepSeek API 结合VSCode提升开发效率

《使用DeepSeekAPI结合VSCode提升开发效率》:本文主要介绍DeepSeekAPI与VisualStudioCode(VSCode)结合使用,以提升软件开发效率,具有一定的参考价值... 目录引言准备工作安装必要的 VSCode 扩展配置 DeepSeek API1. 创建 API 请求文件2.

C#使用yield关键字实现提升迭代性能与效率

《C#使用yield关键字实现提升迭代性能与效率》yield关键字在C#中简化了数据迭代的方式,实现了按需生成数据,自动维护迭代状态,本文主要来聊聊如何使用yield关键字实现提升迭代性能与效率,感兴... 目录前言传统迭代和yield迭代方式对比yield延迟加载按需获取数据yield break显式示迭