详细描述

类
类	cv::text::BaseOCR

类	cv::text::OCRBeamSearchDecoder
	OCRBeamSearchDecoder 类提供了一种使用波束搜索算法进行 OCR 的接口。更多...

类	cv::text::OCRHMMDecoder
	OCRHMMDecoder 类提供了一种使用隐马尔可夫模型进行 OCR 的接口。更多...

类	cv::text::OCRHolisticWordRecognizer
	OCRHolisticWordRecognizer 类提供了分词标签检测的功能。给定一个预定义词汇表，使用 DictNet 从输入图像中选择最可能的词。更多...

类	cv::text::OCRTesseract
	OCRTesseract 类提供了使用 tesseract-ocr API (v3.02.02) 的 C++ 接口。更多...

枚举
枚举	{ cv::text::OCR_LEVEL_WORD , cv::text::OCR_LEVEL_TEXTLINE }

枚举	cv::text::classifier_type { cv::text::OCR_KNN_CLASSIFIER = 0 , cv::text::OCR_CNN_CLASSIFIER = 1 }

枚举	cv::text::decoder_mode { cv::text::OCR_DECODER_VITERBI = 0 }

枚举	cv::text::ocr_engine_mode { cv::text::OEM_TESSERACT_ONLY , cv::text::OEM_CUBE_ONLY , cv::text::OEM_TESSERACT_CUBE_COMBINED , cv::text::OEM_DEFAULT }
	Tesseract.OcrEngineMode 枚举。更多...

枚举	cv::text::page_seg_mode { cv::text::PSM_OSD_ONLY , cv::text::PSM_AUTO_OSD , cv::text::PSM_AUTO_ONLY , cv::text::PSM_AUTO , cv::text::PSM_SINGLE_COLUMN , cv::text::PSM_SINGLE_BLOCK_VERT_TEXT , cv::text::PSM_SINGLE_BLOCK , cv::text::PSM_SINGLE_LINE , cv::text::PSM_SINGLE_WORD , cv::text::PSM_CIRCLE_WORD , cv::text::PSM_SINGLE_CHAR }
	Tesseract.PageSegMode 枚举。更多...

函数
Mat	cv::text::createOCRHMMTransitionsTable (const String &vocabulary, std::vector< cv::String > &lexicon)

void	cv::text::createOCRHMMTransitionsTable (std::string &vocabulary, std::vector< std::string > &lexicon, OutputArray transition_probabilities_table)
	用于从给定单词列表（词典）创建定制语言模型转换表的实用函数。

Ptr< OCRBeamSearchDecoder::ClassifierCallback >	cv::text::loadOCRBeamSearchClassifierCNN (const String &filename)
	允许在创建OCRBeamSearchDecoder对象时隐式加载默认字符分类器。

Ptr< OCRHMMDecoder::ClassifierCallback >	cv::text::loadOCRHMMClassifier (const String &filename, int classifier)
	允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

Ptr< OCRHMMDecoder::ClassifierCallback >	cv::text::loadOCRHMMClassifierCNN (const String &filename)
	允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

Ptr< OCRHMMDecoder::ClassifierCallback >	cv::text::loadOCRHMMClassifierNM (const String &filename)
	允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

枚举类型文档

◆ 匿名枚举

匿名枚举

#include <opencv2/text/ocr.hpp>

枚举值
OCR_LEVEL_WORD Python: cv.text.OCR_LEVEL_WORD
OCR_LEVEL_TEXTLINE Python: cv.text.OCR_LEVEL_TEXTLINE

◆ classifier_type

enum cv::text::classifier_type

#include <opencv2/text/ocr.hpp>

枚举值
OCR_KNN_CLASSIFIER Python: cv.text.OCR_KNN_CLASSIFIER
OCR_CNN_CLASSIFIER Python: cv.text.OCR_CNN_CLASSIFIER

◆ decoder_mode

enum cv::text::decoder_mode

#include <opencv2/text/ocr.hpp>

枚举值
OCR_DECODER_VITERBI Python: cv.text.OCR_DECODER_VITERBI

◆ ocr_engine_mode

enum cv::text::ocr_engine_mode

#include <opencv2/text/ocr.hpp>

Tesseract.OcrEngineMode 枚举。

枚举值
OEM_TESSERACT_ONLY Python: cv.text.OEM_TESSERACT_ONLY
OEM_CUBE_ONLY Python: cv.text.OEM_CUBE_ONLY
OEM_TESSERACT_CUBE_COMBINED Python: cv.text.OEM_TESSERACT_CUBE_COMBINED
OEM_DEFAULT Python: cv.text.OEM_DEFAULT

◆ page_seg_mode

enum cv::text::page_seg_mode

#include <opencv2/text/ocr.hpp>

Tesseract.PageSegMode 枚举。

枚举值
PSM_OSD_ONLY Python: cv.text.PSM_OSD_ONLY
PSM_AUTO_OSD Python: cv.text.PSM_AUTO_OSD
PSM_AUTO_ONLY Python: cv.text.PSM_AUTO_ONLY
PSM_AUTO Python: cv.text.PSM_AUTO
PSM_SINGLE_COLUMN Python: cv.text.PSM_SINGLE_COLUMN
PSM_SINGLE_BLOCK_VERT_TEXT Python: cv.text.PSM_SINGLE_BLOCK_VERT_TEXT
PSM_SINGLE_BLOCK Python: cv.text.PSM_SINGLE_BLOCK
PSM_SINGLE_LINE Python: cv.text.PSM_SINGLE_LINE
PSM_SINGLE_WORD Python: cv.text.PSM_SINGLE_WORD
PSM_CIRCLE_WORD Python: cv.text.PSM_CIRCLE_WORD
PSM_SINGLE_CHAR Python: cv.text.PSM_SINGLE_CHAR

函数文档

◆ createOCRHMMTransitionsTable() [1/2]

Mat cv::text::createOCRHMMTransitionsTable	(	const String &	vocabulary,
		std::vector< cv::String > &	lexicon
	)

Python
	cv.text.createOCRHMMTransitionsTable(	vocabulary, lexicon	) ->	retval

#include <opencv2/text/ocr.hpp>

◆ createOCRHMMTransitionsTable() [2/2]

void cv::text::createOCRHMMTransitionsTable	(	std::string &	vocabulary,
		std::vector< std::string > &	lexicon,
		OutputArray	transition_probabilities_table
	)

Python
	cv.text.createOCRHMMTransitionsTable(	vocabulary, lexicon	) ->	retval

#include <opencv2/text/ocr.hpp>

用于从给定单词列表（词典）创建定制语言模型转换表的实用函数。

参数

vocabulary	语言词汇表（ASCII英文文本中的字符）。
lexicon	特定图像中预期找到的单词列表。
transition_probabilities_table	输出表包含字符对之间的转换概率。列 = 行 = 词汇表大小。

该函数从给定的lexicon计算字符对的频率统计数据，并将它们填充到输出transition_probabilities_table中。transition_probabilities_table可以用作OCRHMMDecoder::create()和OCRBeamSearchDecoder::create()方法中的输入。

注意

(C++) 另一种选择是加载text模块示例文件夹中提供的默认通用语言转换表（由ispell 42869英语单词列表创建）: https://github.com/opencv/opencv_contrib/blob/master/modules/text/samples/OCRHMM_transitions_table.xml

◆ loadOCRBeamSearchClassifierCNN()

Ptr< OCRBeamSearchDecoder::ClassifierCallback > cv::text::loadOCRBeamSearchClassifierCNN ( const String & filename )

Python
	cv.text.loadOCRBeamSearchClassifierCNN(	filename	) ->	retval

#include <opencv2/text/ocr.hpp>

允许在创建OCRBeamSearchDecoder对象时隐式加载默认字符分类器。

参数

filename 包含分类器模型的XML或YAML文件（例如，OCRBeamSearch_CNN_model_data.xml.gz）

CNN默认分类器基于由Adam Coates和Andrew NG在[Coates11a]中提出的场景文本识别方法。字符分类器由单层卷积神经网络和线性分类器组成。它以滑动窗口的方式应用于输入图像，在每个窗口位置提供一组识别。

◆ loadOCRHMMClassifier()

Ptr< OCRHMMDecoder::ClassifierCallback > cv::text::loadOCRHMMClassifier	(	const String &	filename,
		int	分类器
	)

Python
	cv.text.loadOCRHMMClassifier(	filename, 分类器	) ->	retval

#include <opencv2/text/ocr.hpp>

允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

参数

filename	包含分类器模型的XML或YAML文件（例如，OCRBeamSearch_CNN_model_data.xml.gz）
分类器	可以是 classifier_type 枚举值之一。

◆ loadOCRHMMClassifierCNN()

Ptr< OCRHMMDecoder::ClassifierCallback > cv::text::loadOCRHMMClassifierCNN ( const String & filename )

Python
	cv.text.loadOCRHMMClassifierCNN(	filename	) ->	retval

#include <opencv2/text/ocr.hpp>

允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

参数

filename 包含分类器模型的XML或YAML文件（例如，OCRBeamSearch_CNN_model_data.xml.gz）

CNN默认分类器基于由Adam Coates和Andrew NG在[Coates11a]中提出的场景文本识别方法。字符分类器由单层卷积神经网络和线性分类器组成。它以滑动窗口的方式应用于输入图像，在每个窗口位置提供一组识别。

已弃用: 请使用 loadOCRHMMClassifier

◆ loadOCRHMMClassifierNM()

Ptr< ( const String & filename )

Python
	cv.text.loadOCRHMMClassifierNM(	filename	) ->	retval

#include <opencv2/text/ocr.hpp>

允许在创建OCRHMMDecoder对象时隐式加载默认字符分类器。

参数

filename 包含分类器模型的 XML 或 YAML 文件（例如 OCRHMM_knn_model_data.xml）

默认的 KNN 分类器基于 Lukás Neumann 和 Jiri Matas 在 [Neumann11b] 中提出的场景文本识别方法。基本来说，输入图像中的区域（轮廓）被归一化到固定大小，同时保留质心和长宽比，以便根据其边缘上的链码的梯度方向来提取特征向量。然后，使用具有不同标准字体类型渲染字符的合成交集数据进行训练的 KNN 模型对区域进行分类。

已弃用: 使用 loadOCRHMMClassifier