当前位置：首页 > article >正文

计算机视觉的应用1-OCR分栏识别：两栏识别三栏识别都可以，本地部署完美拼接

article 2024/11/18 20:36:28

大家好，我是微学AI，今天给大家带来OCR的分栏识别。

一、文本分栏的问题

在OCR识别过程中，遇到文字是两个分栏的情况确实是一个比较常见的问题。通常情况下，OCR引擎会将文本按照从左到右，从上到下的顺序一行一行地识别。这种方式对于单栏或者少量分栏的文本来说是有效的，但是对于两个或者更多分栏的文本来说就有些棘手了。
在这种情况下，OCR引擎往往会将整个文本当作一行来处理，这就导致了分栏信息的丢失。如果直接将整个文本传递给OCR引擎，那么它会试图将所有的文字一起识别，而没有办法分辨哪些文字属于哪个栏目。

二、解决方案

为了解决这个问题，我们需要首先将文本分成两个栏目，然后再分别进行OCR识别。这个过程可以手动完成，也可以借助一些自动化工具。例如，可以使用图像处理算法来检测出文本中的分栏线，然后将文本按照这些线进行分割。
一旦将文本分成了两个栏目，就可以对每个栏目进行独立的OCR识别。这样可以保留分栏信息，同时提高识别精度。
对于三栏或者更多分栏的文本，也可以采用类似的方法进行处理。首先将文本分成多个栏目，然后再对每个栏目进行独立的OCR识别。
需要注意的是，将文本按照分栏进行切分会增加处理复杂度和运算量，可能会降低处理速度和识别准确率。因此，在实际应用中需要根据具体情况进行权衡和选择。

三、代码实现

import cv2
from paddleocr import PaddleOCR
# 加载OCR引擎
engine = PaddleOCR(enable_mkldnn=True, use_angle_cls=False)

#分两栏识别
def recognize_multicolumn_text2(image_path,left_ratio=0.5):
    # 读取图片
    img = cv2.imread(image_path)
    # 将图片转为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 获取图片的高度和宽度
    height, width = gray.shape

    # 将图片分成左右两栏，分别识别
    left_width = int(width * left_ratio)
    left_img = gray[:, :left_width]
    right_img = gray[:, left_width:]

    titles = []
    left_text=image2text(left_img)
    right_text=image2text(right_img)
    titles.extend(left_text)
    titles.extend(right_text)
    # 将识别出的两栏文字拼接起来
    #result_text = left_text + ' ' + right_text
    for i in titles:
        print(i)
    return titles

#分三栏识别
def recognize_multicolumn_text3(image_path, left_ratio=0.3333, middle_ratio=0.6667):
    # 读取图片
    img = cv2.imread(image_path)
    # 将图片转为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 获取图片的高度和宽度
    height, width = gray.shape

    # 将图片分成三栏，分别识别
    left_width = int(width * left_ratio)
    middle_width = int(width * middle_ratio)
    left_img = gray[:, :left_width]
    middle_img = gray[:, left_width:middle_width]
    right_img = gray[:, middle_width:]

    titles = []
    left_text = image2text(left_img)
    middle_text = image2text(middle_img)
    right_text = image2text(right_img)
    titles.extend(left_text)
    titles.extend(middle_text)
    titles.extend(right_text)

    for i in titles:
        print(i)

    return titles

# 图片OCR转文本信息
def image2text(path):
    result = engine.ocr(path)
    print('识别结果:')
    title= []
    title_append= title.append
    for key in result[0]:
        key[-1] = list(key[-1])
        key[-1][0] = key[-1][0].replace('\n', '')
        title_append(key[-1][0])
    return title

image ='200.jpg'
recognize_multicolumn_text3(image)

代码提供了分栏识别与分三栏识别的函数，可以扩展N栏，根据需求设定。

对于分三栏的问题也一样可以识别：