DAY14：玉山人工智慧挑戰賽-中文手寫字辨識（OpenCV圖像處理）

2021 iThome 鐵人賽

DAY 14

自我挑戰組

資料分析及AI深度學習-簡單基礎實作系列第 14 篇

13th鐵人賽

Frank

2021-09-29 22:07:19

1423 瀏覽

分享至

問題及解決方法

用YOLOv4模型裁切出來的文字，大部分的圖檔，都有紅框等雜訊的存在，如下圖。若將含有雜訊的圖檔丟進模型訓練，可能會造成失焦而影響準確度。
　　
解決：我們選擇以HSV來做顏色的追蹤，以抓取紅框雜訊為主。
圖檔的中文字有藍色及黑色居多，字體顏色有可能也會影響我們的模型準確度。
解決：採取將圖片灰階的方法，就沒有顏色的影響。

操作內容

HSV(Hue, Saturation, Value)
- 由色調(Hue)、飽和度(Saturation)、亮度(Value)來組成，可表示維下圖的圓錐體。
  
  圖片來源：https://read01.com/6mD5Kx.html#.YVQfV5pByUk
  - 色調：即為顏色。
  - 飽和度：色彩的純度，若值越高越純，反之則會略顯灰。
  - 亮度：即為顏色亮度，值越大越亮，若值為0則呈現黑色。
- HSV也是依賴RGB，紅色、綠色及藍色，是一個顏色空間，方便我們識別。

HSV+OpenCV

透過OpenCV可以使用內建函數來將RGB轉換成HSV。

# 將RGB轉換成HSV顏色空間
  redhsv1 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

轉換成HSV後就可以來將特定的顏色找出來，助於我們找出紅框的顏色，加以去除。
首先，我們需要用到HSV的調色盤，才抓到圖檔每個點的值是多少。以下圖為例，我點選左右兩點的紅線，他則可以顯示出我們需要的HSV值為多少。

  import cv2
  import numpy as np

  # 讀取中文路徑圖檔(圖片讀取為BGR)
  def cv_imread(filePath):
      cv_img = cv2.imdecode(np.fromfile(filePath, dtype=np.uint8), -1)
      return cv_img

  # 點擊欲判定HSV值的圖片位置(以滑鼠左鍵單擊)
  def mouse_click(event, x, y, flags, para):
      if event == cv2.EVENT_LBUTTONDOWN:
          print("BGR:", img[y, x])
          print("GRAY:", gray[y, x])
          print("HSV:", hsv[y, x])
          print('='*30)

  if __name__ == '__main__':
      # 讀取圖檔
      img = cv_imread('./pic/1_經.jpg')
      img = cv2.resize(img, (320, 240))
      # 轉換成gray與HSV
      gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
      hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
      cv2.namedWindow("img")
      cv2.setMouseCallback("img", mouse_click)
      while True:
          cv2.imshow('img', img)
          if cv2.waitKey() == ord('q'):
              break
      cv2.destroyAllWindows()

透過這樣點選的方式，可以找出紅線的值，我們就可以將它取出。我們先鎖定紅線，慢慢的點，大概有個閾值出來。下列程式碼為追蹤紅線。
```
def red1_mask(img):
    #紅1
    lower = np.array([150,80,94])
    upper = np.array([180,255,255])
    redhsv1 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    mask1 = cv2.inRange(redhsv1, lower, upper)
    return mask1
```
白色是我們追蹤到的紅線部分，發現右邊還有些紅線尚未被追蹤到。
於是我們要試著把右邊紅線的部分，看能否追蹤到多一點。依照上述步驟繼續點選紅線位置，找出他的閾值，下列程式碼為追蹤第二段紅線。
```
def red2_mask(img):
#紅2
lower = np.array([0,80,89])
upper = np.array([10,255,255])
redhsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
mask = cv2.inRange(redhsv, lower, upper)
return mask
```
可以發現我們追蹤到上面沒追蹤到的紅色部分，還缺少最右邊的紅色線條，因為他有跟中文字重疊。
接下來我們將追蹤到的兩個紅色線條合起來。
```
#紅1
mask1 = red1_mask(img)
#紅2
mask2 = red2_mask(img)
#紅1 + 紅2 範圍
mask3 = cv2.bitwise_or(mask1,mask2)
```
透過bitwise_or取聯集，使兩張圖合併在一起。
取出紅線之後，我們需要將他去除掉，也就是用背景顏色去填補，在這之前我們先將他膨脹，然後白色的地方轉成黑色的。
```
def my_dilate(img):
    kernel = np.ones((3, 3), np.uint8)
    new_img = cv2.dilate(img, kernel, iterations=1)
    return new_img

# 膨脹mask3
mask3 = my_dilate(mask3)
#黑白反轉
mask3 = cv2.bitwise_not(mask3,mask3)
```
黑框是特別截圖下來，以示整張圖片，主要是白色變黑色。

先做一個動作，將原本的圖片做灰階，再來就是黑色部份我們到時候要用背景顏色來填補，所以我們要取出最常出現的顏色，也就是取眾數。以下程式碼。

def get_mode(img):
    ##閾值取眾數
    # bincount（）：統計非負整數的個數，不能統計浮點數
    counts = np.bincount(img.flatten())
    #counts的index代表出現的數，counts[index]代表出現數的次數
    #今要求counts[index] 排序後最大跟第二大的counts的index(代表眾數跟出現第二多次的數)
    counts_sort = np.argsort(counts) #最後一個元素是counts最大值的index ，倒數第二是二大
    index = counts_sort[-1]
    #以防圖片出現大量黑色面積
    if index <= 100: #出現大量黑色區塊的話，取第二多數
        print('index2:',index)
        index = counts_sort[-2]
        return index
    #否則就return原本的眾數
    print('index_org',index)
    return index


image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
image_mode =get_mode(image)
#把紅色的mask區域換成眾數
image[mask3==0]= image_mode

這樣我們就成功把紅線的雜訊去除了。

這邊圖片還是有點模糊，我們做了高斯濾波，讓圖片較平滑，左邊是原圖，右邊是高斯濾波過後的圖，可以看出較平滑。
```
blur = cv2.GaussianBlur(image,(3,3),0)
```
這邊當時遇到了小問題，當時在選擇灰階和二質化的圖檔做訓練的時候，兩種我們都有嘗試過，但後來發現灰階的資訊較多，所以我們選擇用灰階的方式去訓練圖片。
二質化　　　　　　　　　　　　　　　灰階

分割資料夾

處理完圖片，我們將資料集分成train和test，比例7:3，接著就是準備進模型做訓練囉！

import os
import random
import shutil
import os
import shutil

# 分成訓練集跟資料集
src_dir_name = './train/'
target_dir_name = './test/'
test_size = 0.3
labels = set(os.listdir(src_dir_name))

def word_classfier():
    word_list_dir = []
    for i in os.listdir(src_dir_name):
        if i.endswith('.jpg'):
            word_list_dir.append(i.split('.')[0][-1])

    word_list_dir = set(word_list_dir)
    print(word_list_dir)

    for i in os.listdir(src_dir_name):
        if i.endswith('.jpg'):
            if i.split('.')[0][-1] in word_list_dir:
                try:
                    os.mkdir(src_dir_name+i.split('.')[0][-1])
                except FileExistsError:
                    pass
                shutil.move(src_dir_name+i,src_dir_name+i.split('.')[0][-1]+'/'+i)

def move_test_data(test_data:list):
    for i in test_data:
        word_subfolder = i.split('.')[0][-1]
        if word_subfolder in labels:
            print(src_dir_name+word_subfolder+'/'+i)
            try:
                os.mkdir(target_dir_name +word_subfolder)
            except FileExistsError:
                pass
            shutil.move(src_dir_name+word_subfolder+'/'+i,target_dir_name +word_subfolder+'/'+i)
        elif  word_subfolder not in labels:
            word_subfolder = i.split('.')[0][0]
            print(src_dir_name+word_subfolder+'/'+i)
            try:
                os.mkdir(target_dir_name +word_subfolder)
            except FileExistsError:
                pass
            try:
                shutil.move(src_dir_name+word_subfolder+'/'+i,target_dir_name +word_subfolder+'/'+i)
            except FileNotFoundError:
                shutil.move(src_dir_name + word_subfolder + '/' + i, target_dir_name + word_subfolder + '/' + i)

def test_train_split():
    try:
        os.mkdir(target_dir_name)
    except FileExistsError:
        pass
    for i in os.listdir(src_dir_name):
        #每個字的照片數
        dir_length = len(os.listdir(src_dir_name+i))
        #3:7抽樣
        test_size = round(0.3 * dir_length)
        test_data = random.sample(os.listdir(src_dir_name+i), k=test_size)
        move_test_data(test_data)

if __name__ == '__main__':
    # 把字分類成800個資料夾
    word_classfier()
    # 分成訓練集跟測試集
    test_train_split()