[Python][OpenCV]學習心得筆記
58公開內容
23私密內容
利用Python OpenCV實現一些影像處理的應用，整理所學，利用程式範例的方式解說其程式碼跟函式的使用方法及應用
全部內容
免費與付費
最新發佈優先
付費限定
你還沒有編譯 OpenCV，那麼你需要先完成 OpenCV 的編譯過程，這樣才能生成 OpenCVConfig.cmake 文件。下面是一步一步的指南，幫助你在 Windows 上編譯 OpenCV。
本文主要介紹使用Cmake + VS2022來編譯OpenCV，最後目的是讓OpenCV可以利用
付費限定
[OpenCV][Python]使用GrabCut 來去背
在上篇文章提到如何用GrabCut 來去背，但都是處於比較基礎的方式，讓演算法自行判斷前景背景，本文主要說明，使用設定參數讓演算法計算得更加準確，可根據UI上的圖顯示，用滑鼠畫區域來設定參考的背景與前景。
UI圖顯示
步驟，先載圖，在
本文詳細探討了Tesseract的box定義。經驗分享釐清了Tesseract與cv2.rectangle的座標差異，解釋了怎樣使用JTessBoxEditor進行框的驗證。透過範例，讀者將瞭解如何正確設置字符的bounding box，並學會轉換OCR座標為Tesseract所需格式
付費限定
本文主要介紹使用Numpy實現一個尋找邊界的方法，在用這個方法延伸去判斷2D條碼中圖案L角，根據預定義的方向角度對應表來判斷圖像的角度（0 度、90 度、180 度或 270 度）
設計邏輯
數據過濾：
函式 __filtered_positions 確保在對數據進行處理之前，能夠有效地過濾
付費限定
色階調整去霧技術是一種圖像增強技術，通過調整圖像的亮度和對比度來減少或消除霧氣的影響。主要依賴於圖像的直方圖，通過分析圖像中像素亮度的分佈來增強細節、提高對比度，使得被霧氣模糊的細節得以還原。以改善模糊或灰濛的圖像。
本文主要利用了圖像去霧技術中的暗通道先驗（Dark Channel Prior）
付費限定
本文將實測，使用同一組圖像，用不同的OCR模型來辨識看成效如何，主要介紹如何從資料夾中，讀取圖片檔中的檔名來比對tesseract OCR的結果是否一致，若結果不同就記錄其錯誤位置及次數，統計最後的誤判率及誤判字的總次數。
圖片檔中的檔名由事先整理出正確結果，比對OCR模型用。
在Tesseract的討論論壇中看到一篇文章，有人研究tesseract在文字高度在30~33pixl~內辨識率是最佳的。
本文就將來實作看看，拿出之前實驗用的OCR圖檔來跑跑看。
實驗內容
縮放與不縮放的圖片在tesseract OCR結果比較
圖片縮放流程
先讀取圖片中OCR的高度，取
付費限定
[OpenCV][Python]影像增強對比_自適應直方圖均衡化
在上一篇文章，我們有比較過自適應直方圖均衡化與直方圖均衡化的差異。
本文將主要應用在OCV檢測上，應用這兩種方法將會有那些不一樣的差異。內文中的OCV檢測，主要涵蓋OCR的文字高寬及面積。
測試圖
就利用這看起來雜訊特多的圖。
付費限定
此文章延續以下這篇文章，實際測試增加或固定間隔的狀況下，是否可以增加辨識率
[OpenCV][Python]OCR分割及增加間隔[雙排文字]
此篇文章程式碼有修正上篇，OCR 特殊符號:會分割錯誤的問題。
付費限定
呈上篇文章，針對單排的圖像文字增加間隔，但如果文字是雙排呢
[OpenCV][Python]OCR分割及增加間隔[單排文字]
