Python使用模板匹配检测文档字段 _数据处理

模板匹配是一种图像处理技术, 用于查找大图像的小部分/模板的位置。此技术广泛用于对象检测项目, 例如产品质量, 车辆跟踪, 机器人等。
在本文中, 我们将学习如何使用模板匹配来检测文档图像中的相关字段。
解:
以上任务可以通过模板匹配来实现。剪切出场图像并使用剪切的场图像和文档图像应用模板匹配。该算法很简单, 但是可以复制为复杂的版本, 以解决对属于特定域的文档图像进行字段检测和本地化的问题。
方法:

从主文档中剪切/裁剪字段图像, 并将它们用作单独的模板。
定义/调整不同字段的阈值。
使用OpenCV功能为每个裁剪的田地模板应用模板匹配cv2.matchTemplate()
使用从模板匹配中获取的矩形的坐标绘制边界框。
可选：增强字段模板和微调阈值, 以改善不同文档图像的结果。

输入图片：

文章图片
输出图像：

文章图片
以下是Python代码：

# importing libraries import numpy as np import imutils import cv2field_threshold = { "prev_policy_no" : 0.7 , "address": 0.6 , }# Function to Generate bounding # boxes around detected fields def getBoxed(img, img_gray, template, field_name = "policy_no" ):w, h = template.shape[:: - 1 ] # Apply template matching res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)hits = np.where(res> = field_threshold[field_name])# Draw a rectangle around the matched region. for pt in zip ( * hits[:: - 1 ]): cv2.rectangle(img, pt, (pt[ 0 ] + w, pt[ 1 ] + h), ( 0 , 255 , 255 ), 2 )y = pt[ 1 ] - 10 if pt[ 1 ] - 10> 10 else pt[ 1 ] + h + 20cv2.putText(img, field_name, (pt[ 0 ], y), cv2.FONT_HERSHEY_SIMPLEX, 0.8 , ( 0 , 0 , 255 ), 1 )return img# Driver Function if __name__ = = '__main__' :# Read the original document image img = cv2.imread( 'doc.png' )# 3-d to 2-d conversion img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Field templates template_add = cv2.imread( 'doc_address.png' , 0 ) template_prev = cv2.imread( 'doc_prev_policy.png' , 0 )img = getBoxed(img.copy(), img_gray.copy(), template_add, 'address' )img = getBoxed(img.copy(), img_gray.copy(), template_prev, 'prev_policy_no' )cv2.imshow( 'Detected' , img)

使用模板匹配的优点
: