Python使用Keras OCR实现从图像中删除文本

介绍

本文将讨论如何快速地从图像中删除文本，作为图像分类器的预处理步骤。

删除文本可能有多种或多种原因，例如，我们可以使用无文本图像进行数据增强。

在本教程中，我们将使用OCR（光学字符识别）检测图像中的文本，并在修复过程中填充照片中丢失的部分以生成完整的图像——以删除我们检测到的文本。

处理

为了从图像中删除文本，我们将执行以下三个步骤：

1.识别图像中的文本，并使用KerasOCR获取每个文本的边界框坐标。

2.对于每个边界框，应用一个遮罩来告诉算法我们应该修复图像的哪个部分。

3.最后，应用一种修复算法对图像的遮罩区域进行修复，从而得到一个无文本图像。

实现

Keras ocr简介

KerasOCR提供现成的ocr模型和端到端训练管道，以构建新的ocr模型（请参见：https://keras-ocr.readthedocs.io/en/latest/).

在这种情况下，我们将使用预训练的模型，它对我们的任务非常有效。

KerasOCR将自动下载探测器和识别器的预训练权重。

当通过Keras orc传递图像时，它将返回一个（word，box）元组，其中框包含四个角的坐标（x，y）。

下面是一个快速示例：

import matplotlib.pyplot as plt
import keras_ocr

pipeline = keras_ocr.pipeline.Pipeline()

#read image from the an image path (a jpg/png file or an image url)
img = keras_ocr.tools.read(image_path)

# Prediction_groups is a list of (word, box) tuples
prediction_groups = pipeline.recognize([img])

#print image with annotation and boxes
keras_ocr.tools.drawAnnotations(image=img, predictions=prediction_groups[0])

如果我们看一下prediction_groups，我们会看到每个元素对应一组坐标。

例如，prediction_groups[0][10]如下：

('tuesday',
array([[ 986.2778 ,  625.07764],
       [1192.3856 ,  622.7086 ],
       [1192.8888 ,  666.4836 ],
       [ 986.78094,  668.8526 ]], dtype=float32))

数组的第一个元素对应左上角的坐标，第二个元素对应右下角，第三个元素是右上角，而第四个元素是左下角。

cv2修复函数

使用OpenCV应用修复算法时，需要提供两幅图像：

输入图像，包含我们要删除的文本。

遮罩图像，它显示图像中要删除的文本在哪里。第二个图像的尺寸应与输入的尺寸相同。

Cv2具有两种修复算法，并允许应用矩形、圆形或线遮罩（请参考)

在这种情况下，我决定使用线遮罩，因为它们更灵活地覆盖不同方向的文本（矩形遮罩只适用于平行或垂直于x轴的单词，圆形遮罩将覆盖比较大的区域）。

为了应用遮罩，我们需要提供线的起点和终点坐标以及线的厚度：

起点将是框的左上角和左下角之间的中点，终点将是右上角和右下角之间的中点。

对于厚度，我们将计算左上角和左下角之间的线长度。

import math
import numpy as np

def midpoint(x1, y1, x2, y2):
   x_mid = int((x1 + x2)/2)
   y_mid = int((y1 + y2)/2)
   return (x_mid, y_mid)

#example of a line mask for the word "Tuesday"
box = prediction_groups[0][10]
x0, y0 = box[1][0]
x1, y1 = box[1][1]
x2, y2 = box[1][2]
x3, y3 = box[1][3]
x_mid0, y_mid0 = midpoint(x1, y1, x2, y2)
x_mid1, y_mi1 = midpoint(x0, y0, x3, y3)
thickness = int(math.sqrt( (x2 - x1)**2 + (y2 - y1)**2 ))

现在我们可以创建我们的遮罩：

mask = np.zeros(img.shape[:2], dtype="uint8")
cv2.line(mask, (x_mid0, y_mid0), (x_mid1, y_mi1), 255, thickness)

我们还可以检查遮罩区域，确保其正常工作。

masked = cv2.bitwise_and(img, img, mask=mask)
plt.imshow(masked)

最后，我们可以修复图像。

在这种情况下，我们将使用cv2.INPAINT_NS，指得是“Navier-Stokes, Fluid Dynamics, and Image and Video Inpainting”一文中描述的修复算法。

img_inpainted = cv2.inpaint(img, mask, 7, cv2.INPAINT_NS)
plt.imshow(img_inpainted)

正如你所看到的，“Tuesday”已从图片中删除。

汇总

现在，让我们把它总结起来，创建一个函数来去除任何图像中的文本。

我们只需要生成框列表，并迭代每个文本框。

import matplotlib.pyplot as plt
import keras_ocr
import cv2
import math
import numpy as np

def midpoint(x1, y1, x2, y2):

x_mid = int((x1 + x2)/2)
   y_mid = int((y1 + y2)/2)

return (x_mid, y_mid)

pipeline = keras_ocr.pipeline.Pipeline()

def inpaint_text(img_path, pipeline):

# read image
   img = keras_ocr.tools.read(img_path)

# generate (word, box) tuples
   prediction_groups = pipeline.recognize([img])
   mask = np.zeros(img.shape[:2], dtype="uint8")

for box in prediction_groups[0]:

x0, y0 = box[1][0]
       x1, y1 = box[1][1]
       x2, y2 = box[1][2]
       x3, y3 = box[1][3]

x_mid0, y_mid0 = midpoint(x1, y1, x2, y2)
       x_mid1, y_mi1 = midpoint(x0, y0, x3, y3)
       thickness = int(math.sqrt( (x2 - x1)**2 + (y2 - y1)**2 ))
       cv2.line(mask, (x_mid0, y_mid0), (x_mid1, y_mi1), 255, thickness)
       img = cv2.inpaint(img, mask, 7, cv2.INPAINT_NS)

return(img)

以下是最终结果（之前和之后）：

另外两个例子：

请注意，如果要保存图像，需要将其转换为RGB格式，否则颜色会反转！

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.imwrite(‘text_free_image.jpg',img_rgb)

如果你只对删除某些单词感兴趣，则可以包括一个if条件，如下所示：

给出了一个要删除的单词列表

remove_list = [‘tuesday', ‘monday']

我们可以在for循环中包含if条件

def inpaint_text(img_path, remove_list, pipeline):

# read image
   img = keras_ocr.tools.read(img_path)

# generate (word, box) tuples
   prediction_groups = pipeline.recognize([img])
   mask = np.zeros(img.shape[:2], dtype="uint8")

for box in prediction_groups[0]:

if box[0] in remove_list:
          x0, y0 = box[1][0]
          x1, y1 = box[1][1]
          x2, y2 = box[1][2]
          x3, y3 = box[1][3]

x_mid0, y_mid0 = midpoint(x1, y1, x2, y2)

x_mid1, y_mi1 = midpoint(x0, y0, x3, y3)

thickness = int(math.sqrt( (x2 - x1)**2 + (y2 - y1)**2 ))

cv2.line(mask, (x_mid0, y_mid0), (x_mid1, y_mi1), 255,    
          thickness)

img = cv2.inpaint(img, mask, 7, cv2.INPAINT_NS)

return(img)

当然，这只是一个快速的例子，说明了如何对特定的单词列表进行修复。

结尾

在这篇文章中，我们讨论了如何实现一种算法来自动删除图像中的文本，该算法使用一个预训练好的OCR模型（使用Keras）和一个使用cv2的修复算法。该算法似乎可以很好地从图像中快速删除文本，而无需为此特定任务训练模型。

当文本框靠近其他对象时，它通常表现不好，因为它可能会扭曲周围环境。

来源：https://blog.csdn.net/woshicver/article/details/123785297