Simple Digit Recognition OCR in OpenCV-Python
Well, I decided to workout myself on my question to solve the above problem. What I wanted is to implement a simple OCR using KNearest or SVM features in OpenCV. And below is what I did and how. (it is just for learning how to use KNearest for simple OCR purposes). 1) My first question was about letter_recognition.data file that comes with OpenCV samples. I wanted to know what is inside that file.
OpenCV - 輪郭を近似する、面積を求める、Bounding Box を求める方法 - Pynote
概要 FindContours() で抽出した輪郭に対して行う以下の処理を紹介する。 輪郭の周囲の長さを計算する。 (cv2.arcLength()) 輪郭の面積を計算する。 (cv2.contourArea()) 輪郭を近似する。 (cv2.approxPolyDP()) 輪郭に外接する長方形を取得する。 (cv2.boundingRect()) 輪郭に外接する回転した長方形を取得する。 (cv2.minAreaRect()) 輪郭に外接する円を取得する。 (cv2.minEnclosingCircle()) 輪郭に外接する三角形を取得する。 (cv2.minEnclosingTriangle()) 輪郭に外接する凸包を取得する。 (cv2.convexHull()/isContourConvex()) 関連記事 輪郭の抽出については下記の記事を参照されたい。 pynote.hatena
OpenCV + Pythonで特定の図形を検出する１(図形の領域を矩形で取得)
手書きのこんな図形 これをサンプルとし、図形中に矢印や星印が写っているか判定できるか試してみます。 こちらを参考にさせていただきました。 AVFoundation+OpenCVで矩形検出（「名刺撮影用カメラ」みたいなやつ作ってみました） OpenCV 3.4.1 + Python 3.6.5の環境で試しています。 グレースケール 参考サイトのとおり、図形の検出を容易にするためグレースケール化。 import cv2 as cvdef main(): # ファイルを読み込み image_file = 'target.png' src = cv.imread(image_file, cv.IMREAD_COLOR) img_gray = cv.cvtColor(src, cv.COLOR_RGB2GRAY) # 結果を保存 cv.imwrite('resul
文字領域検出 by Python with OpenCV on macOS
はじめに 機械学習のためのデータ収集に文字領域の取得が必要になったので、そのやり方を探していたらOpenCVで簡単にできそう...だったのに苦労したので経過を含めてまとめます。 Python、OpenCVのインストール 以下のURLを参照。 Macで深層学習の環境をさくっと作る手順 with TensorFlow and OpenCV Ubuntu 16.04で機械学習の環境をさくっと作る手順 サンプルプログラム opencv_contrib/modules/text/samples/textdetection.py 実行すると、以下のエラーが出ました。 error: erfilter.cpp:4111: error: (-215) !contours.empty() in function MSERsToERStats regions = cv2.text.detectRegions(c
opencv3で文字領域検出しようとしてハマった話「mac」 - Qiita
opencvははじめはmakeしたりしたけどうまくいかないので、brewで入れた 拡張機能はcondaなどでも提供されてないのです。 ソースここ https://github.com/miyamotok0105/opencv3_textdetection 結論から言うとチューニングが大変。もっと簡単にいくよとかありましたら意見お待ちしてます。 やりたかったことこいつ 文字領域検出用のERFilterの使い方 opencvで領域検出できるらしい。 opencvのバージョン３でさらに拡張機能なのですね。 まだちゃんとテストできてなかったりする機能はこっちに入ってるそうな。 公式 https://github.com/opencv/opencv_contrib 入れてみると python textdetection.py scenetext_word01.jpg A demo script of
Python, OpenCVで画像を縦・横に連結 (hconcat, vconcat, np.tile) | note.nkmk.me
Python, OpenCVで画像を縦・横に連結 (hconcat, vconcat, np.tile) PythonのOpenCVで画像を縦・横に連結（結合）するには、cv2.vconcat(), cv2.hconcat()を使う。vはvertical（縦）、hはhorizontal（横）の意味。 OpenCV: Operations on arrays hconcat() OpenCV: Operations on arrays vconcat() 引数として画像（NumPy配列ndarray）のリストを渡すと、リストの中の画像を縦または横に連結したndarrayが返る。幅または高さが揃っていないとエラーになるので、サイズが異なる画像はあらかじめリサイズする必要がある。 ここでは以下の場合についてサンプルコードと合わせて説明する。 縦に連結（結合）: cv2.vconcat() 幅が等
Python, OpenCVで動画ファイルからフレームを切り出して保存 | note.nkmk.me
Python, OpenCVでmp4やaviなどの動画ファイルからフレームを切り出して静止画の画像ファイルとして保存する方法について説明する。 単純に動画をフレームごとの静止画として切り出すだけならffmpegのコマンドで可能だが、何らかの画像処理を行ってから保存したい場合はPython + OpenCVを使うと便利。 ここでは以下のサンプルコードを示す。 すべてのフレームを画像ファイルとして保存 任意のフレームを指定して画像ファイルとして保存 単独のフレームを指定 任意の範囲のフレームを指定 時間（秒数）で指定 動画を再生しながらキーボード押下で保存 動画ファイルではなく、カメラ（内蔵カメラ・USBカメラ・Webカメラ）のリアルタイム映像から静止画を切り出して保存したい場合は以下の記事を参照。 関連記事: Python, OpenCVでカメラのリアルタイム動画から静止画を保存 OpenC
【python/OpenCV】画像の特定の色を抽出する方法 - ソースに絡まるエスカルゴ
今回はpythonとOpenCVを使って画像の特定の色を抽出する方法の備忘録です。 OpenCVでは2つの方法で特定の色を抽出できるので、その2つの方法を説明していきます。 では始めます。 １：RGBでの色抽出方法 まず一つ目の方法としてRGBでの色の抽出方法があります。その方法は以下の記述でできます。 import cv2 import numpy as np image = cv2.imread('./test1.png') # ファイル読み込み # BGRでの色抽出 bgrLower = np.array([102, 255, 255]) # 抽出する色の下限(BGR) bgrUpper = np.array([102, 255, 255]) # 抽出する色の上限(BGR) img_mask = cv2.inRange(image, bgrLower, bgrUpper) # BGR
Python版OpenCVで色抽出を行う
今回は，Python版のOpenCVを使ってHSV色空間で色抽出をする方法をメモしておきます． 環境は以下のとおりです． Python 2.6 OpenCV 2.4.6 更新履歴 2015/03/12 しきい値処理におけるTHRESH_BINARYとTHRESH_BINARY_INVが逆になっているのを修正しました． それでは早速スクリプトを見ていきます． import cv2 def extract_color( src, h_th_low, h_th_up, s_th, v_th ): hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV) h, s, v = cv2.split(hsv) if h_th_low > h_th_up: ret, h_dst_1 = cv2.threshold(h, h_th_low, 255, cv2.THRESH_BIN
数独を解く(画像解析) - cuspy diary
画像として与えられた数独を解きます。 新聞に掲載されていたこの問題をOpenCVを使って画像解析する。(画像が斜めなのはワザとです) グレースケール変換画像解析の前処理として、まずグレースケールに変換し、ガウシアンフィルタをかけてぼかします。ガウシアンフィルタをかける事で、安定した二値化画像が得られます。 二値化次に二値化を行います。 二値化には、普通の方法、大津さんの手法、適応的二値化、などさまざまな手法が在ります。いろいろ試した所、適応的二値化(Adaptive Threshold)が最も数独の認識に適していることが解りました。 適応的二値化(Adaptive Threshold)であれば、影になってしまった部分も上手く処理できます。 膨張処理次に、数独の盤面の外枠を認識を行います。 二値化の影響で枠線が途切れてしまう可能性がありますので、膨張処理(dilate)を行います。 (膨張処
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - ZER-0-NE/EAST-Detector-for-text-detection-using-OpenCV: Text Detection from images using OpenCV
OpenCV(Python)で画像をトリミング