共计 1482 个字符，预计需要花费 4 分钟才能阅读完成。
OCR（Optical Character Recognition，光学字符识别）是指电子设备检查纸上字符然后用字符识别方法将形状翻译成计算机文字的过程；采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。一般来说，OCR 分为分割和识别两个部分。此文将探讨分割问题。通常我们第一步是将用户传入的照片进行扫描，提取待识别的区域，也就如图下面将文件抠出来。
具体步骤：（1）获取文件轮廓（2）获取文件四角的点坐标（3）透视变换
导入库
import numpy as np
import cv2
import matplotlib.pyplot as plt
import math 请输入代码
获取文件轮廓
image = cv2.imread(‘ 原始照片.jpg’) #读原始照片
gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY) #二值化
gray = cv2.GaussianBlur(gray, (5, 5), 0) #高斯滤波
kernel = np.ones((3,3),np.uint8)
dilation = cv2.dilate(gray,kernel) #膨胀
edged = cv2.Canny(dilation, 30, 120) #边缘提取
_, cnts, hierarchy = cv2.findContours(edged,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cv2.drawContours(image,cnts,-1,(0,0,255),3)
获取文件四角点的坐标
cnts0=cnts[0]
cnts1=cnts[1]
rect = np.zeros((4,2), dtype=”float32″)
rect[0] = cnts1[np.argmin(np.sum(cnts1,axis=-1))]
rect[2] = cnts0[np.argmax(np.sum(cnts0,axis=-1))]
rect[1] = cnts1[np.argmin(np.diff(cnts1,axis=-1))]
rect[3] = cnts0[np.argmax(np.diff(cnts0,axis=-1))]
四角点的顺序：左上，右上，右下，左下左上坐标和最小，右下坐标和最大右上坐标差最小，左下坐标差最大（Y-X）
根据四角点坐标求矫正后图像的尺寸
(tl,tr,br,bl) = rect
width1 = np.sqrt(((tr[0]-tl[0])**2)+((tr[1]-tl[1])**2))
width2 = np.sqrt(((br[0]-bl[0])**2)+((br[1]-bl[1])**2))
width = max(int(width1),int(width2))
height1 = np.sqrt(((tr[0]-br[0])**2)+((tr[1]-br[1])**2))
height2 = np.sqrt(((tl[0]-bl[0])**2)+((tl[1]-bl[1])**2))
height = max(int(height1),int(height2))
dst = np.array([
[0, 0],
[width – 1, 0],
[width – 1, height – 1],
[0, height – 1]], dtype = “float32”)
透视变换
M = cv2.getPerspectiveTransform(rect, dst)
warped = cv2.warpPerspective(image, M, (width, height))
