回到首页 返回首页
回到顶部 回到顶部
返回上一页 返回上一页
best-icon

基于行空板的pytesseract传统人物识别 简单

头像 auroraAA 2024.08.02 70 0

一、实践目标

本项目在行空板上外接USB摄像头,通过摄像头来识别人物名字。

 

二、知识目标

1、学习使用pytesseract库进行文字识别的方法。

 

三、实践准备

硬件清单:

截屏2024-08-02 下午3.04.45.png

软件使用:Mind+编程软件x1

 

四、实践过程

1、硬件搭建

1、将摄像头接入行空板的USB接口。

 

image.png

 

2、通过USB连接线将行空板连接到计算机。

 

image.png

 

2、软件编写

第一步:打开Mind+,远程连接行空板

 

image.png 

 

第二步:在“行空板的文件”中新建一个名为AI的文件夹,在其中再新建一个名为“基于行空板的pytesseract传统人物识别”的文件夹,导入本节课的依赖文件。

 

image.png

 

第三步:编写程序

在上述文件的同级目录下新建一个项目文件,并命名为“main.py”。

示例程序:

代码
#  -*- coding: UTF-8 -*-

# MindPlus
# Python
import sys
sys.path.append("/root/mindplus/.lib/thirdExtension/nick-pytesseract-thirdex")
# from pinpong.board import Board
from pinpong.board import Board,Pin
from pinpong.extension.unihiker import *
# from pinpong.libs.dfrobot_speech_synthesis import DFRobot_SpeechSynthesis_I2C
import time
import cv2
import pytesseract
from PIL import Image,ImageFont,ImageDraw
import os
import numpy as np


Board().begin()
# p_gravitysynthesis = DFRobot_SpeechSynthesis_I2C()# 语音合成
# p_gravitysynthesis.begin(p_gravitysynthesis.V2)
def drawChinese(text,x,y,size,r, g, b, a,img):
    font = ImageFont.truetype("HYQiHei_50S.ttf", size)
    img_pil = Image.fromarray(img)
    draw = ImageDraw.Draw(img_pil)
    draw.text((x,y), text, font=font, fill=(b, g, r, a))
    frame = np.array(img_pil)
    return frame

pytesseract.pytesseract.tesseract_cmd = r'/usr/bin/tesseract'
cap = cv2.VideoCapture(0)
cap.set(cv2.CAP_PROP_FRAME_WIDTH, 240)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 320)
cap.set(cv2.CAP_PROP_BUFFERSIZE, 1)
cv2.namedWindow('cvwindow',cv2.WND_PROP_FULLSCREEN)
cv2.setWindowProperty('cvwindow', cv2.WND_PROP_FULLSCREEN, cv2.WINDOW_FULLSCREEN)
while not cap.isOpened():
    continue
print("start!")
ShiBieNaRong = ''
img_word1 = ''
img_word2 = ''

while True:
    cvimg_success, img_src = cap.read()
    cvimg_h, cvimg_w, cvimg_c = img_src.shape
    cvimg_w1 = cvimg_h*240//320
    cvimg_x1 = (cvimg_w-cvimg_w1)//2
    img_src = img_src[:, cvimg_x1:cvimg_x1+cvimg_w1]
    img_src = cv2.resize(img_src, (240, 320))
    cv2.imshow('cvwindow', img_src)
    key = cv2.waitKey(5)
    if key & 0xFF == ord('b'): # Press the "a" key on Unihiker will stop the program.
        print("退出视频")
        break
    # if (button_a.is_pressed()==True):
    elif key & 0xFF == ord('a'):
        ShiBieNaRong = []
        try:
            if not os.path.exists("/root/image/pic/"):
                print("The folder does not exist,created automatically")
                os.system("mkdir -p /root/image/pic/")
        except IOError:
            print("IOError,created automatically")
            break
        cv2.imwrite("/root/image/pic/image.png",img_src)
        time.sleep(0.2)
        img = Image.open('/root/image/pic/image.png')
        ShiBieNaRong = pytesseract.image_to_string(img, lang='chi_sim')[0:2]
        print(ShiBieNaRong)


    img_src = drawChinese(text=str(ShiBieNaRong),x=10, y=20,size=25,r= 50,g=200,b=0,a=0,img=img_src)
    cv2.imshow('cvwindow', img_src)

cap.release() # Release usb camera. # 释放摄像头
cv2.destroyAllWindows() # Destory all windows created by opencv. # 关闭所有窗口

 

3、运行调试

第一步:安装依赖库

运行pytesseract目录下1-Install_dependency.py程序文件,安装各个依赖库。

 

image.png

 

第二步:运行主程序

运行“main.py”程序,可以看到初始时屏幕上显示着摄像头拍摄到的实时画面,将摄像头画面对准任务名字,如这里为孔子,然后按下板载按键a,将此帧图像拍摄保存,之后自动识别图像上的文字,在Mind+软件终端,我们可以看到识别到的中文结果。

 

image.png

 

Tips:拍摄的图片保存在/root/image/pic这个路径下。

 

4、程序解析

这段程序通过使用OpenCV库调用摄像头,实时从摄像头读取图像,然后使用Tesseract进行OCR识别并将结果显示在图像上。具体流程如下:

①初始化:程序启动时,会导入所需的库,初始化UNIHIKER开发板,配置Tesseract命令路径,打开默认的摄像头设备,并设置摄像头的分辨率和缓冲区大小。接着,创建一个全屏窗口用于显示图像。

②定义函数:定义一个用于在图像上绘制中文字符的函数drawChinese。

③主循环:程序进入一个无限循环,在每次循环中,程序会执行以下操作:

· 从摄像头读取一帧。如果读取失败,则继续下一次循环。

· 检查按键事件:

· 如果按下'b'键,程序退出循环。

· 如果按下'a'键,程序捕获当前图像并保存到指定路径,然后使用Tesseract识别图像中的中文字符,并将结果打印到终端。

· 在图像上绘制识别到的中文字符,并在窗口中显示处理后的图像。

④结束:当主循环结束时,程序会释放摄像头设备,并关闭所有OpenCV窗口。

 

五、知识园地

1. 了解pytesseract库

pytesseract 是 Tesseract OCR 引擎的 Python 封装库,用于从图像中提取文本。它提供了简便的接口,使得在 Python 程序中能够轻松实现光学字符识别(OCR)。

功能

1. 图像文字识别:从各种图像格式(如 PNG、JPEG、BMP 等)中提取文本。

2. 多语言支持:能够识别多种语言的文本。

3. 布局分析:处理复杂文档布局,包括多列文本和表格。

4. 位置信息提取:提供识别到的字符或单词在图像中的位置坐标。

5. 多种输出格式:支持纯文本、字典格式、HOCR(HTML OCR)格式等。

特点

1. 开源免费:基于开源的 Tesseract OCR 引擎,免费使用。

2. 跨平台:支持 Windows、macOS 和 Linux 系统。

3. 高准确性:Tesseract 引擎经过多年的开发和优化,具有较高的识别准确性。

4. 易于集成:提供简单的 Python 接口,便于与其他 Python 项目和库集成。

评论

user-avatar