数据下载:/competition/entrance/231684/information
MTWI 挑战赛一：网络图像的文本识别
/competition/entrance/231684/information
MTWI 挑战赛二：网络图像的文本检测
/competition/entrance/231685/introduction
ICPR MTWI 挑战赛三：网络图像的端到端文本检测和识别算法架构
ICPR MTWI 挑战赛二：网络图像的文本检测
/competition/entrance/231651/introduction
该数据预处理工作主要是基于图片数据集&坐标文本信息数据集来对图片进行切割和文本信息的匹配。
实现过程中参考的博客：
opencv图片旋转矩形分割/u013948010/article/details/78605043
基于anaconda的编辑器spyder，python3.6，图像处理的库使用了Opencv，由于anaconda自带有的集成环境以及Anaconda Navigator可以让总是被折磨于环境和库的配置的菜鸟得以苟活。综上所述就是配置Opencv时候直接在Navigator里面搜索并install就OK了（如下图）。
数据的处理主要分为以下三步：
一.读出txt文件中的目标图片的坐标以及文本信息；
二.根据所得到的坐标进行图片截取并旋正；
三.保存目标图片以及其对应的文本信息。
首先呢先吧工作路径改到目标文件，为了方便用.glob来获取所有的图片名字（因为数据集的文件名悠长而鬼畜）
os.chdir('d:\\[update]ICPR_text_train_part1_0316\\image_1000')#修改默认路径retval =os.getcwd()#获取当前路径SetofimageName =glob.glob('*.jpg') #获取当前路径下所有jpg格式文件名到list中
关于文件路径的写法，是一个玄学问题，反正多试几次总会碰到正确的写法的，反正我的python3.6路径全部使用 \\ 是可以的。程序的完整代码如下：
import cv2from math import *import mathimport numpy as npimport osimport glob'''旋转图像并剪裁'''def rotate(img,# 图片pt1, pt2, pt3, pt4,# 四点坐标NewimageName # 输出图片路径):withRect = math.sqrt((pt4[0] - pt1[0]) ** 2 + (pt4[1] - pt1[1]) ** 2)# 矩形框的宽度# heightRect = math.sqrt((pt1[0] - pt2[0]) ** 2 + (pt1[1] - pt2[1]) **2)if(withRect!=0):angle = acos((pt4[0] - pt1[0]) / withRect) * (180 / math.pi)# 矩形框旋转角度if pt4[1]<pt1[1]:angle=-angleheight = img.shape[0] # 原始图像高度width = img.shape[1] # 原始图像宽度rotateMat = cv2.getRotationMatrix2D((width / 2, height / 2), angle, 1)# 按angle角度旋转图像heightNew = int(width * fabs(sin(radians(angle))) + height * fabs(cos(radians(angle))))widthNew = int(height * fabs(sin(radians(angle))) + width * fabs(cos(radians(angle))))rotateMat[0, 2] += (widthNew - width) / 2rotateMat[1, 2] += (heightNew - height) / 2imgRotation = cv2.warpAffine(img, rotateMat, (widthNew, heightNew), borderValue=(255, 255, 255))# 旋转后图像的四点坐标[[pt1[0]], [pt1[1]]] = np.dot(rotateMat, np.array([[pt1[0]], [pt1[1]], [1]]))[[pt3[0]], [pt3[1]]] = np.dot(rotateMat, np.array([[pt3[0]], [pt3[1]], [1]]))[[pt2[0]], [pt2[1]]] = np.dot(rotateMat, np.array([[pt2[0]], [pt2[1]], [1]]))[[pt4[0]], [pt4[1]]] = np.dot(rotateMat, np.array([[pt4[0]], [pt4[1]], [1]]))# 处理反转的情况if pt2[1]>pt4[1]:pt2[1],pt4[1]=pt4[1],pt2[1]if pt1[0]>pt3[0]:pt1[0],pt3[0]=pt3[0],pt1[0]imgOut = imgRotation[int(pt2[1]):int(pt4[1]), int(pt1[0]):int(pt3[0])]cv2.imwrite(NewimageName, imgOut) # 保存得到的旋转后的矩形框return imgRotation # rotated image# 读取四点坐标def ReadTxt(directory,last):global Newpathofimage, Newpathoftxt, allpic, nowimage, nowtxt, nowline, invalidimgSetofimageName = glob.glob('*.jpg') #获取当前路径下所有jpg格式文件名到list中Numofimage = len(SetofimageName) for j in range(Numofimage):print('处理图片:'+str(j))imageTxt = directory + SetofimageName[j][:-4] + last# txt路径imageName =SetofimageName[j]nowimage = imageNamenowtxt = imageTxtnowline = 0imgSrc = cv2.imread(imageName)if(imgSrc is None):invalidimg.append(nowimage)else:F = open(imageTxt,'rb')#以二进制模式打开目标txt文件lines = F.readlines()#逐行读入内容length=len(lines)s = 0 #计算图片编号，对应文本描述for i in range(length):lines[i] = str(lines[i], encoding = "utf-8") #从bytes转为str格式des = lines[i].split(',')[-1:]nowline = iif ((des != ['###\n']) and (des != ['###'])):s = s + 1allpic+=1#保存新图片/txt格式为"原名字+编号+.jpg/.txt"NewimageName = Newpathofimage + imageName[:-3] + str(s) + '.jpg'NewtxtName = Newpathoftxt + imageName[:-3] + str(s) + '.txt'#写入新TXT文件if (s == length):des = str(des)[2:-2]else:des = str(des)[2:-4]file = open(NewtxtName,'w')#打开or创建一个新的txt文件file.write(des) #写入内容信息 file.close() # str转floatpt1 = list(map(float,lines[i].split(',')[:2]))pt2 = list(map(float,lines[i].split(',')[2:4]))pt3 = list(map(float,lines[i].split(',')[4:6]))pt4 = list(map(float,lines[i].split(',')[6:8]))# float转int pt1=list(map(int,pt1))pt2=list(map(int,pt2)) pt4=list(map(int,pt4))pt3=list(map(int,pt3))rotate(imgSrc,pt1,pt2,pt3,pt4,NewimageName)if __name__=="__main__":Newpathofimage = 'd:\\competition\\[update] ICPR_text_train_part1_0316\\newimage\\'Newpathoftxt = 'd:\\competition\\[update] ICPR_text_train_part1_0316\\newtxt\\'allpic = 0nowimage = ''nowtxt = ''nowline = 0invalidimg=[]os.chdir('d:\\competition\\[update] ICPR_text_train_part1_0316\\image_1000')#修改默认路径retval = os.getcwd()#获取当前路径directory = 'd:\\competition\\[update] ICPR_text_train_part1_0316\\txt_1000\\'#TXT文件路径last = '.txt'ReadTxt(directory,last)
关于TXT读取部分，F = open(imageTxt,'rb')，imageTxt为文件路径，’’为打开的模式，由于该数据集中既有数字又有中文等等符号，所以用’r’模式是无法打开的（会报错），只能先用二进制模式打开，自己再转str就可以了。Txt文本格式如下：
新txt文件写入直接使用如下代码就可以了：
file = open(NewtxtName,'w') #打开or创建一个新的txt文件，NewTXTName为新文件的全路径
file.write(des) #写入内容信息
file.close()
关于目标图像的截取以及保存呢其实是直接参考一篇博客的，测试了下可以就修修改改直接用了，原理也不是很难就不赘述。注意一点就是虽然数据集提供的是两位小数的坐标，但考虑到实际就将坐标转为整数（像素数不可能小于1噻），所以需要加上if(withRect!=0)的判断条件。
总结
数据预处理过程中学会了：文件的打开，读取，写入；图片的截取，旋转，保存；文件路径的改变；批量读取文件名的方法；split分割。
如果觉得《ICPR MTWI 挑战赛 网络图像的文本识别之数据预处理》对你有帮助，请点赞、收藏，并留下你的观点哦！
