验证码识别-文字点选识别（四）

nop
  • 使用第二章，背景碰撞，由多张验证码图片，碰撞得出背景图片

  • 原图

  • 背景图

  • 使用背景图和原图对比得出文字图片

  • 使用第一章，找出文字块

  • 提取分隔下方文字

  • 分割后

  • 对分割后的文字进行校正, 使用opencv获取文字外接最小四边形，更具四边形的顶点，获取倾斜角度进行图片旋转 


def font_img_angle_correct(font_image):
    height = font_image.shape[0]
    width = font_image.shape[1]

    font_image = add_margin(font_image, (255, 255, 255), (height, width, height, width))

    gray1 = cv2.cvtColor(font_image, cv2.COLOR_BGR2GRAY)
    _, binary_image = cv2.threshold(gray1, 127, 255, cv2.THRESH_BINARY)

    # 找到轮廓
    contours, _ = cv2.findContours(binary_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 找到除了图片边框外，最大的轮廓
    maxArea = 0
    maxContour = None
    index = 0
    filterContours = []
    for contour in contours:
        if index != 0:
            area = cv2.contourArea(contour)
            if area > maxArea and area > 40:
                maxArea = area
                maxContour = contour
                filterContours.append(contour)
        index = index + 1

    merged_contour = np.vstack(filterContours)
    rect = cv2.minAreaRect(merged_contour)
    # c = max(contours, key=cv2.contourArea)
    # show_contour(font1Image, [merged_contour])

    # 获取最大轮廓，外接最小面积的旋转矩形
    # rect = cv2.minAreaRect(maxContour)
    # 获取旋转矩形的四个顶点
    box = cv2.boxPoints(rect)
    box = np.int0(box)  # 将坐标点转换为整数
    print("box: {}", box)

    # 获取顶点最靠上的两个，计算，倾斜角度
    topPoints = sorted(box, key=lambda p: p[1])[:2]
    (p1, p2) = (topPoints[0], topPoints[1]) if topPoints[0][0] < topPoints[1][0] else (topPoints[1], topPoints[0])
    tanVal = (p2[1] - p1[1]) / (p2[0] - p1[0])

    angle = tan2angle(tanVal)
    print("angle: {}", angle)
    rotate_image = rotate_bound_white_bg(font_image, angle, (255, 255, 255))

    return angle, rotate_image

  • 使用OCR进行识别

  • 使用每个字中的黑色像素点数量排序，进行辅助识别