基于opencv文档扫描OCR识别代码

基于OpenCV进行文档扫描并进行OCR（Optical Character Recognition，光学字符识别）的过程涉及图像预处理、文本定位和识别三个步骤。以下是一个简单的概述：

1. **图像采集与预处理**：
- 使用摄像头或者从文件读取扫描图像。
- 对图片进行去噪操作，如灰度化、二值化、平滑等，以便清晰显示文字区域。

2. **文本定位**：
- OCR通常依赖于图像中的边缘检测，可以使用Canny边检测算法找到可能的文字行。
- 运行文本检测库，比如Tesseract或OpenCV自带的`findContours()`函数，找出文本区域轮廓。

3. **切割和旋转校正**：
- 根据文本区域的位置信息，对图像进行切割，聚焦到每个单独的文字区域。
- 如果需要，可以使用霍夫变换或直方图均衡ization等技术来改善倾斜的文本。

4. **OCR识别**：
- 调用OCR引擎，如Tesseract，传入切割后的文本区域进行识别。Tesseract是一个开源的OCR引擎，可以集成进OpenCV。
- 将识别出的文字转换成文本字符串。

import cv2
import pytesseract

# 读取图像
img = cv2.imread('document.jpg')

# 图像灰度处理
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用Otsu's阈值分割
thresh_img = cv2.threshold(gray_img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 文本区域查找和切割
contours, hierarchy = cv2.findContours(thresh_img, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    # 进一步处理和识别每个文本区域...
    x, y, w, h = cv2.boundingRect(contour)
    cropped_text = img[y:y+h, x:x+w]
    
    # 使用Tesseract识别
    text = pytesseract.image_to_string(cropped_text, lang='eng')
    print(text)