OpenCV+tess-two的隨筆

前提:突發(fā)情況下需要去了解下“文字的識別”的技術(android 平臺下)。然后立馬想到的方法有

1.利用現(xiàn)有的SDK.

2.查找開源的技術。

先說說現(xiàn)有的SDK吧。首先找到的是百度云:https://cloud.baidu.com/product/ocr.html

不過測試結果不太理想,他們的做法是拍照->截圖->圖片轉(zhuǎn)Base64 上傳到服務器識別。大多數(shù)情況下對手寫字體的識別率很低。機打字體還是有一定的成功率的。其他的證件識別就沒有測試過。另外提一句就是百度提供的是在一定的次數(shù)下是免費的。

具體的實現(xiàn)方式看百度云的文檔說明了,不過有一點:在創(chuàng)建app的時候

這個(文字識別包名)是需要鉤上的?。不然的話識別不了。

其他的SDK 暫時沒有查找咯。

遵循做技術的嘛,看看實現(xiàn)文字識別是用哪里技術實現(xiàn)的。最后發(fā)現(xiàn)實現(xiàn)的技術之一是用openCV 加上 google 提供的tess-two (其他的技術實現(xiàn)方式暫不討論了).大概的思路是

(ps:在這里感謝:shuishuige93? 如果提供代碼的話越好,可惜只是如果)

處理圖像這塊是 是由OpenCV-android(ps:http://opencv.org)擔任的.版本的話好像到了openCV3.3?。可是我android studio 能下載的是3.1的版本

具體的android studio?(android studio 3.0 Beta5? buildToolsVersion:26.0.1)導入方式:


在build.gradle 添加
implementation 'org.opencv:OpenCV-Android:3.1.0'

大部分在網(wǎng)的找出的技術文檔 和教程 是openCV 的c++ 的 然后就是版本低的,openCv 還分opencv4android,opencvjava.(不過技術都是相同的)?,然而我還是不想用 .cpp 啥的 雖然

android studio 不知道在幾版本后提供了更好的NDK開發(fā)套件(cmake).但總感覺人家提供了opencv4android 后還得去寫c(如果是高手,如要定制化的功能還是要寫,咱是小白能最快實現(xiàn)目的就好了,雖然知識很重要).所以我嘗試去實現(xiàn)。

1.灰度化??,二值化

灰度圖(Gray Scale Image)又稱灰階圖,它是指把白色與灰色按對數(shù)關系分為若干等級,稱作灰階。灰度分為256階,用灰度表示的圖像稱為灰度圖

(感謝shuishuige93? )

詳細的描述 灰度化,二值化(http://blog.csdn.net/evsqiezi/article/details/7905436

?實現(xiàn)灰度化方式是OpenCV里的cvtColor(Matsrc, Mat dst, int code); c 下的實現(xiàn)方式。所以百度了 android 灰度化。在這里提供了基于bitmap和opencv的很好的解決方式(http://blog.csdn.net/kazichs/article/details/52914406)?(不過這里使用opencv 對應的不是open 3.1 至少我查看了open3.1的代碼沒有發(fā)現(xiàn)? OpenCVLoader.initAsync?,只有openCVLoader.initDebug,這句話肯定要寫的,不然會報錯滴)

2.膨脹和腐蝕

?通俗的說:

膨脹算法使圖像擴大一圈。
腐蝕算法使二值圖像減小一圈。
腐蝕:刪除對象邊界的某些像素
膨脹:給圖像中的對象邊界添加像素

詳細的說明?(ps: http://m.blog.csdn.net/u011028345/article/details/76152243?)

Dilate 使用任意結構元素膨脹圖像,Erode 使用任意結構元素腐蝕圖像.然后又得找。

其實在灰度和二值化的時候 都是通過 org.opencv.imgproc.Imgproc 下的方法進行轉(zhuǎn)變的.其他的都是一些mat 和 bitmap的轉(zhuǎn)換。所以 腐蝕是Imgproc.erode(Mat src, Mat dst, Mat kernel)

膨脹是dilate(Mat src, Mat dst, Mat kernel)

kernel:是一個腐蝕膨脹計算的核心

Mat kernel = Imgproc.getStructuringElement( Imgproc.MORPH_RECT,new Size(2, 2));

當然具體的參數(shù)另行參考了。

3.還有一個圖形校正

輪廓提取技術
霍夫變換知識
ROI感興趣區(qū)域知識

這個就比較蛋疼.雖然參考

http://www.cnblogs.com/skyfsm/p/6902524.html?? 圖像矯正技術深入探討(這個應該是個大牛)

http://www.cnblogs.com/panxiaochun/archive/2016/05/20/5512142.html?opencv直線檢測在c#、Android和ios下的實現(xiàn)方法

https://github.com/johnhany/MOAAP?針對的Android版本從API 19到API 21不等,同時使用的OpenCV庫版本也有2.4.9和2.4.10兩種。本文給出的代碼是在原書代碼的基礎上,針對Android 7.0(API 24)與OpenCV 3.2進行了修改,補充了一些注釋,適當?shù)卦黾恿艘恍╊A處理操作,以使代碼整體上更合理?(這里面也講到了霍夫變化)

到此 處理圖像 被亂棍打死了。

文字的識別

android studio 中導入

implementation 'com.rmtheis:tess-two:8.0.0'

并且在這里 https://github.com/tesseract-ocr/tessdata?下載相應的語言文字包(英文:eng.traineddata??? 中文:chi_sim.traineddata),但是一個個包不是30m,就是70 m。所以app在進行文字識別的化 最好用tess 提供的套件自己訓練簡單的 語言包。

下載好后,放到

當然tessdata 你也可以寫其他的名字,語音包首先要移動到內(nèi)存中,在初始化tess中會查找路徑

m_datapath 是指定的文件路徑,? m_zh_lang 是語言包的名字?,

并不需要后綴名。

針對識別的話 可以識別mat 或者bitmap

大概吧,就這些。

最后識別的結果。手寫文字 差評,整頁文字差評,單行截圖(寥寥幾個文字的)還好的。

所有啊任重而道遠啊

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,327評論 6 537
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 98,996評論 3 423
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 177,316評論 0 382
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,406評論 1 316
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,128評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 55,524評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,576評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 42,759評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,310評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 41,065評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,249評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,821評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,479評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,909評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,140評論 1 290
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,984評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,228評論 2 375

推薦閱讀更多精彩內(nèi)容