如何使用 opencv 集中和调整数字大小？

Question

我想对一些扫描的表格（手工填写）进行 OCR。这是我第一次使用计算机视觉做一些严肃的事情。到目前为止，我能够找到包含日期字段数字的方块：

查看 OpenCV 附带的示例手写数字数据集，我看到数字集中并调整为 (20, 20):

因为这可能是一个相当普遍的问题，我想知道该算法是否已经在 OpenCV（或 numpy、scipy 等）中实现，所以我不知道不必重新发明轮子。

问题是：Python 中是否有内置管道以标准化样本？

Answer 1

内置管道不确定，但如果您已经有了轮廓，您可以通过执行以下操作（基于我的评论）来实现自己的管道：

获取轮廓的边界矩形（因此以它为中心）并裁剪该部分：

x,y,w,h = cv2.boundingRect(cnt)
imgCrop = img[x:(x+w), y:(y+h)]

将图像调整为所需大小（比如 20 x 20）：

imgResized = cv2.resize(imgCrop, (20,20))

您还可以按特定比例调整轴的大小，例如：

imgResized = cv2.resize(imgCrop, (0,0), fx=0.5, fy=0.5)

或 scipy（如 this 问题中所建议）：

imgResized = scipy.misc.imresize(imgCrop, 0.5)

Bonus：查看 this 关于使用 Python 和 OpenCV 进行基本图像处理的精彩教程，他们在其中展示了其他调整大小的方法，同时考虑了纵横比和插值以获得更好的结果，从中提取：

imgResized = cv2.resize(imgCrop, (20,20), interpolation = cv2.INTER_AREA)

Answer 2

我最终使用了这个功能：

def norm_digit(im):
    h, w = im.shape
    if h > w:
        top, left = round(h * 0.1), round((1.2 * h - w) / 2)
    else:
        top, left = round(w * 0.1), round((1.2 * w - h) / 2)

    return cv2.resize(
        cv2.copyMakeBorder(im, top, top, left, left, cv2.BORDER_CONSTANT), 
        (20, 20)
    )

输入是一张已经裁剪到数字轮廓边界框的图像。它没有涵盖一些极端情况，但看起来这可能已经足够好了。

如何使用 opencv 集中和调整数字大小？

How to centralize and resize digits using opencv?

python

ocr

opencv

numpy

mnist