Python高手请来挑战一下吧

[jmx_7247]

题目不难，但是不知道怎么做比较有效率，希望高手指点一下：

要求很简单，识别数字的区域即可，记录这些区域，然后方便在上面贴图，并改掉数字。


难点： 颜色一样，并且在同一排，一张图中有多个相同颜色的数字。

提示： 图片没有杂色点，用纯色即可匹配颜色

示例图片

[javacode007]

先占个沙发啊

[angel_su]

可以照我上次一个字处理的方式变化一下，按一图取黄色得将到3组字的范围，继续切割处理譬如先从上间隔合适的点数递增往下扫描文字范围，当文字范围没变化就可以当找到一行字，然后对这行字用同样手法往水平方向做便可以取到单词...

[angel_su]

嗯，按上思路实现了下，供参考...

# -*- coding: utf-8 -*-
import Image
import ImageFilter
import ImageFont
import ImageDraw

def findbbox(im, clr, ix=36, iy=12, ec=16, eb=3):
    """
      im: obj of image
     clr: color of text
      iy: increment when scanning in y-dir
      ix: increment when scanning in x-dir
      ec: tolerance of color 
      eb: tolerance of bbox
    
    return a list of bbox
    """
    #分层做mask，叠加后取文字范围
    mask = None
    for band, c in zip(im.split(), clr):
        band = band.point(lambda i: i <= c+ec and i >= c-ec and 255)
        if mask is None:
            mask = band
        else:
            mask.paste(band, mask=mask)
    mbox = mask.getbbox()
    if mbox is None: return
        
    #对文字范围先yscan取单行范围，再xscan取单词范围
    boxes = []
    for box in yscan(mask.crop(mbox), iy):
        ox, oy = mbox[0], mbox[1]
        ybox = (ox+box[0], oy+box[1], ox+box[2], oy+box[3])
        for box in xscan(mask.crop(ybox), ix):
            ox, oy = ybox[0], ybox[1]
            xbox = (ox+box[0]-eb, oy+box[1]-eb, 
                    ox+box[2]+eb, oy+box[3]+eb)
            boxes.append(xbox)
            #im.crop(xbox).show()
    return boxes
    
    
def yscan(im, incr):
    oy, prev = 0, None
    for y in range(0, im.size[1]+incr*2, incr):
        curr = im.crop((0, oy, im.size[0], y)).getbbox()
        if curr and curr == prev:
            yield curr[0], curr[1]+oy, curr[2], curr[3]+oy
            curr = None
        if curr is None:
            oy = y
        prev = curr
        
            
def xscan(im, incr):
    ox, prev = 0, None
    for x in range(0, im.size[0]+incr*2, incr):
        curr = im.crop((ox, 0, x, im.size[1])).getbbox()
        if curr and curr == prev:
            yield curr[0]+ox, curr[1], curr[2]+ox, curr[3]
            curr = None
        if curr is None:
            ox = x    
        prev = curr

if __name__ == '__main__':
    files = ['sample1.png', 'sample2.png']
    for fname in files:
        im = Image.open(fname)
        im = im.filter(ImageFilter.MedianFilter)
        boxes = findbbox(im, (255, 255, 0))
        boxes += findbbox(im, (128, 0, 128))

        txt = ['50\xb0', '65\xb0', '65\xb0', '100cm']
        clr = ['red', 'green', 'cyan', 'blue']
        height = max([box[3]-box[1] for box in boxes])
        font = ImageFont.truetype('c:/windows/fonts/msyhbd.ttf', height)
        draw = ImageDraw.Draw(im)
        for i, box in enumerate(boxes):
            im.paste('white', box)
            draw.text((box[0], box[1]), txt[i], font=font, fill=clr[i])
        im.show()

[jmx_7247]

感谢angel_su的帮助，但是我能力有限，完全不懂~~

[angel_su]

也可试试用现成ocr软件做，譬如tesseract，用命令行调度下也很简单，底下写的代码主要仅是处理tesseract的输出，把它转换成配套的数据。

import Image
import ImageDraw
import subprocess

def findbbox(im, sel):
    text = tesseract(im)
    
    # tesseract输出是按单字符和其坐标，转化成所需字串范围
    word = ''.join([i[0] for i in text])
    start = 0
    boxes = []
    for s in sel:
        pos = word.find(s, start)
        if pos == -1: continue
        lx, ly = [], []
        for i in range(len(s)):
            data = text[pos+i].split()
            lx.append(int(data[1]))
            ly.append(int(data[2]))
            lx.append(int(data[3]))
            ly.append(int(data[4]))
        # pil坐标原点在左上角， tesseract在左下角
        box = (min(lx), im.size[1]-max(ly), 
               max(lx), im.size[1]-min(ly))
        boxes.append(box)
        start = pos + len(s)
    return boxes
      
def tesseract(im):
    # 图像另存为tesseract基本支持的uncompressed tiff
    # 本例自行处理成黑白能完全识别，其它按情况不一...
    mono = im.convert('L').point(lambda i: i > 245 and 255)
    mono.save('tmp.tif', 'TIFF')
    
    # tesseract命令行参数:
    cmd = 'tesseract tmp.tif tmp batch.nochop makebox'
    p = subprocess.Popen(cmd)
    p.wait()
    with open('tmp.txt') as f:
        return f.readlines()
        

if __name__ == '__main__':
    im = Image.open('sample1.png')
    im.load()
    draw = ImageDraw.Draw(im)
    # 选定图片里的字，必须按顺序从左至右，由上而下
    sel = ['60', '11cm', '60', '60'] 
    for box in findbbox(im, sel):
        draw.rectangle(box, outline='red')
    im.save('makebox.png')
    im.show()

[notax]

[Quote=引用 5 楼 angel_su 的回复:]

也可试试用现成ocr软件做，譬如tesseract，用命令行调度下也很简单，底下写的代码主要仅是处理tesseract的输出，把它转换成配套的数据。
Python code
import Image
import ImageDraw
import subprocess

def findbbox(im, sel):
text = tesseract(im)

# te……
[/Quote]

楼上的不错哦，现在有一个pytesser 的包， http://code.google.com/p/pytesser/
不过我没用过

[jmx_7247]

第一个分析图片的输出能不能整理成这个样子呢？

Format is {'a':[(box1),(box2),(box3)],
'b':[(box1),(box2)]
'c':[(box1)]
}

a是黄色，b是紫色，c是其他颜色，一次类推，这些颜色的代码可以从参数中得到。

[angel_su]

额外写个包装函数就成，颜色tuple可以当key，value不管几个统一用list，这样单纯些...

...
contents = {（255,255,0):[33], (128, 0, 128):[30]}
regions = getRegions(im，contents.keys())
....

def getRegions(im，clrs)
regions = {}
for clr in clrs:
regions[clr] = findbbox(im, clr)
return regions

[angel_su]

[Quote=引用 8 楼 jmx_7247 的回复:]

agile_su代码里面的tmp.txt是什么？
[/Quote]
tesseract的输出，如果跑了我的范例脚本，做完文件没杀掉可以打开看看...

[angel_su]

[Quote=引用 6 楼 notax 的回复:]

现在有一个pytesser 的包， http://code.google.com/p/pytesser/

[/Quote]
好像也是popen调度exe，仅输出所有识别文字，没能makebox(输出单char+坐标范围)，这样后头没法做置换工作...

[jmx_7247]

我对angel_su佩服的五体投地~~

一定好好学习! 目前我虽然接触python1周的时间，但是相信有众多CSDN网友的帮助，我一定能进步如飞。

[jmx_7247]

可以不可以稍微分开一点点？

我现在有一个这样的需求：

有两个function，
第一个function - 分析图片
输入一个image object, text colour的字典（格式{'a':"yellow", 'b':"another color"}）
输出的是有文字区域的dictionary{'a':[(10,10),200,30]}tuple里面是左上角的位置，后面两个数字是长和宽

第二个function - 替换数字
输入的第一个function的输出结果，也就是那个dictionary；image object， 要替换的数字内容的字典比如{'a':23,'b':35}

十分感谢大家的帮忙，以后一定多多回报CSDN!

[jmx_7247]

agile_su代码里面的tmp.txt是什么？

[jmx_7247]

修改下两个function的参数

第一个
分析图像
输入：im obj， 文字颜色，
输出：一个字典 {'a':[(box1),(box2)], 'b':[(box1)]} box就是一般的box包含四个点的坐标(x1,y1,x2,y2)
如果有一个box那就一个box，如果有更多，在list里面放入更多的box

a是黄色（255,255,0）,b是紫色
第二个
替换图像
输入：im obj，第一个function的输出结果，要替换内容的字典{'a':23,'b':21}永远是这样的格式！
只要key相同，替换的内容就是那个。
输出：new im obj

[pythonAihaozhe]

我写了第二个替换数字的，第一个实在不懂，高手配合一下了，真的很感谢你们。

# -*- coding: utf-8 -*-
import Image
import ImageFont
import ImageDraw

def replaceNumbers(im, identifiedRegions, replacingContents):
    box = []
    draw = ImageDraw.Draw(im)
    
    for k,v in identifiedRegions.iteritems():
        replaceNumber = replacingContents[k]
        print k,v
        for box in v:
            print box
            height = box[3] - box[1]
            font = ImageFont.truetype('c:/windows/fonts/arial.ttf', height)    
            im.paste('white', box)
            txt = replacingContents[k]
            draw.text((box[0], box[1]), txt, font=font, fill='blue')
    return im
        
        
if __name__ == '__main__':
    regions = {'a':[(20,30,60,50),(90,130,100,130)],
            'b':[(200,200,250,250)]}
    contents = {'a':33, 'b':30}
    
    im = Image.open("d:\\testpngs\\sample1.png")
    newim = replaceNumbers(im, regions, contents)
    newim.save("d:\\testpngs\\result5.png")