清洗後的图档,部分仍有红框等杂讯,或是中文字体颜色不同(蓝色、黑色),如下图。
若将含有不同颜色中文字或不同位置红框的图档纳入模型训练,可能影响後续模型的辨识效果。(如:同一个中文字,因字体颜色是黑色或蓝色,导致辨识结果错误)
我们选择以HSV进行颜色追踪,在尽可能保留中文字字迹的前提下,利用opencv mask功能去除红框。此外,将图档以灰阶图与二值化图呈现,比较两者效果。
最终选择以灰阶图作为训练样本,并将资料集以7:3比例分配成train与test,供後续训练模型之用。
HSV(Hue, Saturation, Value)
1.1 HSV
由色调(Hue)、饱和度(Saturation)、亮度(Value)三个分量组成,颜色分布如下。
图片来自於:https://www.itread01.com/content/1549945446.html
HSV颜色空间,能更直观的表示人眼对色彩的感受。
基本上,HSV只要确定色调(1个分量),就可确定是何种颜色;一般的RGB,则是依照每Red、Green、Blue(3个分量)的比例,才能确定是何种颜色。
1.2 颜色追踪(HSV+opencv)
# 将RGB转换成HSV颜色空间
redhsv1 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
HSV颜色追踪与mask
2.1 HSV调色盘-查询HSV值
import cv2
import numpy as np
# 读取中文路径图档(图片读取为BGR)
def cv_imread(filePath):
cv_img = cv2.imdecode(np.fromfile(filePath, dtype=np.uint8), -1)
return cv_img
# 点击欲判定HSV值的图片位置(以滑鼠左键单击)
def mouse_click(event, x, y, flags, para):
if event == cv2.EVENT_LBUTTONDOWN:
print("BGR:", img[y, x])
print("GRAY:", gray[y, x])
print("HSV:", hsv[y, x])
print('='*30)
if __name__ == '__main__':
# 读取图档
img = cv_imread('./data/04-清洗标签後图片/清洗标签final/可用/2_惠.jpg')
img = cv2.resize(img, (320, 240))
# 转换成gray与HSV
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
cv2.namedWindow("img")
cv2.setMouseCallback("img", mouse_click)
while True:
cv2.imshow('img', img)
if cv2.waitKey() == ord('q'):
break
cv2.destroyAllWindows()
效果
2.2 锁定HSV阈值与Demo:载入图档後,藉由滑动滚轮调整HSV值,逐一挑选出红框、蓝色字体、黑色字体的HSV阈值,示意图如下。
图片来自於:https://blog.csdn.net/weixin_42216109/article/details/89520423
得到红框、蓝色字体、黑色字体HSV阈值後,开始去除杂讯,并比较灰阶图、二值化图,程序码如下。
3.1 追踪红框、蓝色字体、黑色字体
import cv2
import numpy as np
import os
from PIL import Image
def red1_mask(img):
# 红1
lower = np.array([150, 80, 94])
upper = np.array([180, 255, 255])
redhsv1 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask1 = cv2.inRange(redhsv1, lower, upper)
return mask1
def red2_mask(img):
# 红2
lower = np.array([0, 80, 89])
upper = np.array([10, 255, 255])
redhsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(redhsv, lower, upper)
return mask
def blue_mask(img):
# 蓝
lower = np.array([90, 43, 46])
upper = np.array([124, 255, 255])
redhsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(redhsv, lower, upper)
return mask
def black_mask(img):
# 黑
lower = np.array([0, 0, 0])
upper = np.array([255, 255, 135])
redhsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(redhsv, lower, upper)
return mask
3.2 设定膨胀函数
def my_dilate(img):
kernel = np.ones((3, 3), np.uint8)
new_img = cv2.dilate(img, kernel, iterations=1)
return new_img
3.3 找图档中的众数,用来取代红色的mask区域
def get_mode(img):
# 阈值取众数
# bincount():统计非负整数的个数,不能统计浮点数
counts = np.bincount(img.flatten())
# counts的index代表出现的数,counts[index]代表出现数的次数
# 今要求counts[index] 排序後最大跟第二大的counts的index(代表众数跟出现第二多次的数)
# 最後一个元素是counts最大值的index ,倒数第二是二大
counts_sort = np.argsort(counts)
index = counts_sort[-1]
# 以防图片出现大量黑色面积
# 出现大量黑色区块的话,取第二多数
if index <= 100:
index = counts_sort[-2]
return index
# 否则就return原本的众数
return index
3.4 合并mask区域(删去红框、保留中文字)
# 合并mask区域
def process_img(img, turn=None):
# 红1
mask1 = red1_mask(img)
# 红2
mask2 = red2_mask(img)
# 合并红1+红2之范围
mask3 = cv2.bitwise_or(mask1, mask2)
# 膨胀mask3
mask3 = my_dilate(mask3)
# 黑白反转
mask3 = cv2.bitwise_not(mask3, mask3)
# 图档转换成灰阶
image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 取众数
image_mode =get_mode(image)
# 把红色的mask区域换成众数
image[mask3 == 0] = image_mode
# 显示mask後图片
image = cv2.resize(image, (160, 120))
cv2.imshow('mask', image)
cv2.waitKey()
# 高斯模糊後取众数
blur = cv2.GaussianBlur(image, (3, 3), 0)
c = get_mode(blur) * 0.7
# 二值化
ret, thresh1 = cv2.threshold(image, c, 255, cv2.THRESH_BINARY)
if turn == 'binary':
thresh1 = cv2.resize(thresh1, (160, 120))
cv2.imshow('binary', thresh1)
cv2.waitKey()
return thresh1
if turn == 'gray':
blur = cv2.resize(blur, (160, 120))
cv2.imshow('gray', blur)
cv2.waitKey()
return blur
if __name__ == '__main__':
img = cv_imread('./data/04_清洗标签後图片/清洗标签final/可用/2_惠.jpg')
# 显示原图片
img = cv2.resize(img, (160, 120))
cv2.imshow('origin', img)
cv2.waitKey()
process_img(img, 'binary')
process_img(img, 'gray')
成果展示
<原图>
<灰阶图>
<二值化图>
3.5 虽然将图档二值化,训练模型效率较高,但可能造成图像信息严重丢失;灰阶则可以兼顾训练效率与保留较多的梯度信息。因此,我们最终选择以灰阶图作为训练样本。
分配trian与test资料集:先统计每个中文字的照片张数,再以7:3比例分配成train与test。
4.1 过程
import os
import random
import shutil
import os
import shutil
# 分成训练集跟资料集
src_dir_name = './train/'
target_dir_name = './test/'
test_size = 0.3
labels = set(os.listdir(src_dir_name))
def word_classfier():
word_list_dir = []
for i in os.listdir(src_dir_name):
if i.endswith('.jpg'):
word_list_dir.append(i.split('.')[0][-1])
word_list_dir = set(word_list_dir)
print(word_list_dir)
for i in os.listdir(src_dir_name):
if i.endswith('.jpg'):
if i.split('.')[0][-1] in word_list_dir:
try:
os.mkdir(src_dir_name+i.split('.')[0][-1])
except FileExistsError:
pass
shutil.move(src_dir_name+i,src_dir_name+i.split('.')[0][-1]+'/'+i)
def move_test_data(test_data:list):
for i in test_data:
word_subfolder = i.split('.')[0][-1]
if word_subfolder in labels:
print(src_dir_name+word_subfolder+'/'+i)
try:
os.mkdir(target_dir_name +word_subfolder)
except FileExistsError:
pass
shutil.move(src_dir_name+word_subfolder+'/'+i,target_dir_name +word_subfolder+'/'+i)
elif word_subfolder not in labels:
word_subfolder = i.split('.')[0][0]
print(src_dir_name+word_subfolder+'/'+i)
try:
os.mkdir(target_dir_name +word_subfolder)
except FileExistsError:
pass
try:
shutil.move(src_dir_name+word_subfolder+'/'+i,target_dir_name +word_subfolder+'/'+i)
except FileNotFoundError:
shutil.move(src_dir_name + word_subfolder + '/' + i, target_dir_name + word_subfolder + '/' + i)
def test_train_split():
try:
os.mkdir(target_dir_name)
except FileExistsError:
pass
for i in os.listdir(src_dir_name):
#每个字的照片数
dir_length = len(os.listdir(src_dir_name+i))
#3:7抽样
test_size = round(0.3 * dir_length)
test_data = random.sample(os.listdir(src_dir_name+i), k=test_size)
move_test_data(test_data)
if __name__ == '__main__':
# 把字分类成800个资料夹
word_classfier()
# 分成训练集跟测试集
test_train_split()
4.2 成果
train与test
train资料夹内
让我们继续看下去...
<<: Day5. 在没有运转前,世界就是静止的 - Runner
>>: (Day 20) Object.create 建立多层继承
image 拥有一个公开的 registry 是很方便的,但有时候会想要 build & 储存 一些...
上篇在这里:1 今天来继续简单了解Foveated Rendering吧~ 眼睛的中央处(Fovea...
心得 这次的铁人赛又完赛了,想起第一次参加,学习自己不熟的东西,每天都要实作,实作到最後竟然断赛了,...
#169 - Majority Element 连结: https://leetcode.com/...
直接看下去! 文件 文件原文:Physical Memory Model 翻译: ZONE_DEVI...