查看: 34454|回复: 0

基于行空板的pytesseract传统人物识别

[复制链接]

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
学习使用pytesseract库进行文字识别的方法。

三、实践准备
硬件清单：

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。

2、通过USB连接线将行空板连接到计算机。

2、软件编写
第一步：打开Mind+，远程连接行空板

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。

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：

#  -*- 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
复制代码

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。

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。

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。