使用Python开发一个图像标注与OCR识别工具

 更新时间:2025年03月06日 15:45:50   作者:winfredzhang  
这篇文章主要介绍了一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用 OCR 对标注区域进行文本识别,并将结果保存为 Excel 文件,感兴趣的可以了解下

图像标注和OCR(光学字符识别)工具的代码进行详细分析。该工具允许用户在图像上进行矩形标注,使用 OCR 对标注区域进行文本识别,并将结果保存为 Excel 文件。同时,用户可以保存和加载标注,清除标注,以及裁剪图像等。

项目简介

这个图像标注和OCR工具的功能主要包括:

  • 加载图像并显示在界面上。
  • 允许用户在图像上绘制矩形框,以标注感兴趣的区域。
  • 在标注区域内执行OCR识别,并显示识别的文本。
  • 将OCR识别结果保存为Excel文件。
  • 保存和加载用户的标注数据(JSON格式)。
  • 提供裁剪、清除标注、重置图像等功能。

1. 图像加载与显示

首先,程序会扫描指定文件夹中的图像文件(支持的格式包括 .png, .jpg, .jpeg, .bmp, .tiff),并显示在界面的图像面板中。

self.image_files = [f for f in os.listdir(folder_path) 
                    if f.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp', '.tiff'))]

通过 wx.ListBox 组件显示图像文件的列表,用户可以点击选择一个文件,然后加载并显示它:

file_path = os.path.join(self.folder_path, filename)
self.original_image = cv2.imdecode(np.fromfile(file_path, dtype=np.uint8), cv2.IMREAD_COLOR)
self.original_image = cv2.cvtColor(self.original_image, cv2.COLOR_BGR2RGB)

这段代码使用 OpenCV 读取图像,并转换颜色空间以适应 wxPython 显示。

2. 矩形标注

用户可以在图像上绘制矩形框,标记感兴趣的区域。程序通过鼠标事件(按下、移动、松开)来绘制和更新矩形框:

def on_mouse_down(self, event):
    """鼠标按下开始绘制矩形"""
    if self.displayed_image is not None:
        self.start_point = event.GetPosition()
        self.drawing = True

def on_mouse_move(self, event):
    """鼠标移动时更新矩形"""
    if self.drawing and self.displayed_image is not None:
        self.image_panel.Refresh()

​​​​​​​def on_mouse_up(self, event):
    """鼠标松开完成矩形绘制"""
    if self.drawing and self.displayed_image is not None:
        end_point = event.GetPosition()
        # 确保矩形方向正确
        x1 = min(self.start_point.x, end_point.x)
        y1 = min(self.start_point.y, end_point.y)
        x2 = max(self.start_point.x, end_point.x)
        y2 = max(self.start_point.y, end_point.y)
        orig_rect = self.convert_to_original_coords((x1, y1, x2, y2))
        self.rectangles.append(orig_rect)
        self.drawing = False
        self.image_panel.Refresh()

在 on_mouse_down 中,用户点击图像开始绘制矩形框,on_mouse_move 用于实时更新矩形的形状,on_mouse_up 在用户松开鼠标时完成矩形的绘制。

3. OCR识别

标注完成后,用户可以点击“识别”按钮,程序会对标注区域进行OCR识别。OCR处理通过 pytesseract 库实现:

text = pytesseract.image_to_string(
    pil_image, 
    lang='chi_sim',  # 中文简体
    config='--psm 6 --oem 3'  # 更精确的文本块处理
)

识别结果会显示在文本框中,并且可以将识别的结果保存为Excel文件:

if ocr_results:
    df = pd.DataFrame({'识别区域': range(1, len(ocr_results) + 1), '识别文本': ocr_results})
    output_path = os.path.join(self.folder_path, f'{self.current_filename}_ocr_results.xlsx')
    df.to_excel(output_path, index=False, engine='openpyxl')

使用 pandas 库将识别结果保存为Excel文件,方便后续查看和处理。

4. 标注的保存与加载

程序还允许用户将标注区域保存为 JSON 格式,以便下次加载时使用。这是通过以下方式实现的:

annotations_data = {
    'filename': self.current_filename,
    'rectangles': self.rectangles
}
json_path = os.path.join(self.folder_path, f'{self.current_filename}_annotations.json')
with open(json_path, 'w', encoding='utf-8') as f:
    json.dump(annotations_data, f)

标注文件会根据图像的文件名命名,以便与图像文件对应。加载标注时,程序会读取 JSON 文件并恢复之前的标注状态:

with open(json_path, 'r', encoding='utf-8') as f:
    annotations_data = json.load(f)
if annotations_data['filename'] == self.current_filename:
    self.rectangles = annotations_data['rectangles']

5. 裁剪与重置图像

裁剪功能允许用户裁剪图像的选定区域。用户完成矩形绘制后,点击“裁剪”按钮,程序会根据最后一个矩形进行图像裁剪:

cropped = self.current_image[y1:y2, x1:x2].copy()

如果需要重置图像,用户可以点击“重置图像”按钮,程序将恢复到原始图像状态。

6. UI组件与布局

wxPython 的布局管理使得界面整洁易用。主界面分为文件列表、图像显示区域和操作按钮区域三个部分。文件列表用于选择图像,图像显示区域展示图像并允许标注,按钮区域提供裁剪、标注、OCR识别等操作。

file_list_sizer = wx.BoxSizer(wx.VERTICAL)
self.file_listbox = wx.ListBox(panel, choices=self.image_files, style=wx.LB_SINGLE)
file_list_sizer.Add(self.file_listbox, 1, wx.EXPAND | wx.ALL, 10)

通过 BoxSizer 管理不同控件的布局,使得界面更加模块化和灵活。

运行结果

以上就是使用Python开发一个图像标注与OCR识别工具的详细内容,更多关于Python图像标注与OCR识别的资料请关注脚本之家其它相关文章!

相关文章

  • 一文掌握Python描述符与装饰器的神奇妙用

    一文掌握Python描述符与装饰器的神奇妙用

    Python 是一种多范式编程语言,具有灵活的特性,其中可调用实例、嵌套函数、描述符和装饰器是其功能强大的特性之一,这些概念对于编写高效、优雅的代码至关重要
    2024-01-01
  • Python利用递归和walk()遍历目录文件的方法示例

    Python利用递归和walk()遍历目录文件的方法示例

    在日常开发中经常需要检查一个“目录或文件夹”内部有没有我们想要的文件或者文件夹,下面这篇文章主要给大家介绍了关于Python利用递归和walk()遍历目录文件的相关资料,需要的朋友可以参考借鉴,下面来一起看看吧。
    2017-07-07
  • Python坐标线性插值应用实现

    Python坐标线性插值应用实现

    这篇文章主要介绍了Python坐标线性插值应用实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-11-11
  • Python PyQt5中弹出子窗口解决子窗口一闪而过的问题

    Python PyQt5中弹出子窗口解决子窗口一闪而过的问题

    这篇文章主要介绍了Python PyQt5中弹出子窗口解决子窗口一闪而过的问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • python之列表推导式的用法

    python之列表推导式的用法

    这篇文章主要介绍了python之列表推导式的用法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-11-11
  • 解决pyqt5中QToolButton无法使用的问题

    解决pyqt5中QToolButton无法使用的问题

    今天小编就为大家分享一篇解决pyqt5中QToolButton无法使用的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • Python使用flask作为web服务器的代码实现

    Python使用flask作为web服务器的代码实现

    Python Flask 框架是一个轻量级的 Web 框架,它简单易用,灵活多变,非常适合用于构建小型到中型规模的 Web 应用程序,本文给大家介绍了Python使用flask作为web服务器的代码实现,需要的朋友可以参考下
    2024-06-06
  • python 求两个向量的顺时针夹角操作

    python 求两个向量的顺时针夹角操作

    这篇文章主要介绍了python 求两个向量的顺时针夹角操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03
  • Python range与enumerate函数区别解析

    Python range与enumerate函数区别解析

    这篇文章主要介绍了Python range与enumerate函数区别解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-02-02
  • 利用Python的PyPDF2库提取pdf中的文字

    利用Python的PyPDF2库提取pdf中的文字

    PyPDF2是一个用于处理PDF文件的Python库,它提供了许多用于读取和操作PDF文件的功能,对于需要处理PDF文件的Python应用程序,PyPDF2是一个非常实用的工具库,本文将给大家详细介绍一下如何通过Python的PyPDF2库提取pdf中的文字,需要的朋友可以参考下
    2023-05-05

最新评论