基于Python OpenCV检测图像16位数字图案并实现OCR

1. 检测并裁剪数字所在区域 #

目标是固定16位连续数字，可结合数字的形态特征和位置分布定位：

步骤与代码示例 #

• 预处理：通过灰度化、自适应二值化突出数字，压制干扰文字（根据图像实际颜色调整二值化正反）

import cv2
import numpy as np

# 读取图像
img = cv2.imread("your_image.jpg")
# 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 自适应二值化（数字为白色，背景为黑色，适配光照不均场景）
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 11, 2)
# 开运算去除小干扰点
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
thresh_clean = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

• 筛选数字连通域：利用数字的宽高比、面积、同行分布特征过滤干扰

# 获取连通域及统计信息
num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(thresh_clean, 8, cv2.CV_32S)

# 筛选符合数字特征的连通域（根据你的图像调整宽高比、面积阈值）
digit_stats = []
for i in range(1, num_labels):  # 跳过背景（label 0）
    x, y, w, h, area = stats[i]
    aspect_ratio = w / h
    # 假设数字为窄高型，宽高比0.3-0.8，面积大于50（按需调整）
    if 0.3 < aspect_ratio < 0.8 and area > 50:
        digit_stats.append((x, y, w, h))

# 按x坐标排序（数字从左到右排列）
digit_stats.sort(key=lambda x: x[0])

# 验证是否为完整16位数字（利用固定长度特征）
if len(digit_stats) != 16:
    print("未检测到完整16位数字")
else:
    # 合并得到数字区域边界
    x_min = digit_stats[0][0]
    y_min = min([stat[1] for stat in digit_stats])
    x_max = digit_stats[-1][0] + digit_stats[-1][2]
    y_max = max([stat[1] + stat[3] for stat in digit_stats])
    # 裁剪数字区域
    digit_region = img[y_min:y_max, x_min:x_max]
    cv2.imwrite("digit_region.jpg", digit_region)

2. 为数字绘制Contours #

基于二值图提取轮廓，过滤后绘制：

步骤与代码示例 #

# 从清理后的二值图提取轮廓
contours, hierarchy = cv2.findContours(thresh_clean.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 过滤符合数字特征的轮廓
digit_contours = []
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    aspect_ratio = w / h
    area = cv2.contourArea(c)
    if 0.3 < aspect_ratio < 0.8 and area > 50:
        digit_contours.append(c)

# 绘制单个数字的轮廓（绿色）
cv2.drawContours(img, digit_contours, -1, (0, 255, 0), 2)
# 绘制整体数字区域的矩形边框（红色）
cv2.rectangle(img, (x_min, y_min), (x_max, y_max), (0, 0, 255), 2)

cv2.imwrite("contour_image.jpg", img)

3. 数字识别的分类方法 #

针对带干扰的16位数字，有两种实用方案：

方案1：传统OCR（Tesseract）+ 针对性预处理 #

用Tesseract做数字识别，通过参数限制仅识别数字，适配单行连续文本：

import pytesseract

# 对裁剪后的数字区域再次预处理
region_gray = cv2.cvtColor(digit_region, cv2.COLOR_BGR2GRAY)
region_thresh = cv2.threshold(region_gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Tesseract参数：仅识别数字，单行文本模式
custom_config = r'--oem 3 --psm 7 -c tessedit_char_whitelist=0123456789'
result = pytesseract.image_to_string(region_thresh, config=custom_config)
print("识别结果：", result.strip())

方案2：机器学习分类（KNN/CNN） #

如果传统OCR效果不佳，可自定义分类模型：

• KNN：提取数字的HOG特征，用标注好的数字样本训练KNN分类器，对分割后的单个数字逐个识别
• CNN：用简单卷积神经网络（如LeNet-5结构）训练0-9数字识别模型，适合样本量充足的场景，抗干扰能力更强

内容的提问来源于stack exchange，提问作者Arz Master