使用CV2和Keras OCR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

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：

1. 输入图像，包含我们要删除的文本。

2. 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

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。

感谢阅读！

原文标题:使用CV2和Keras OCR从图像中删除文本