文本识别数据生成器-TextRecognitionDataGenerator

功能

用于文本识别的合成数据生成器。

生成文本图像样本来训练 OCR 软件。

原理：单词将从特定语言的字典中随机选择。然后将通过使用指定的字体、背景和修改（倾斜、模糊等）来生成这些单词的图像。

安装

docker pull belval/trdg:latest
docker run -it --name trdg -v /output/path/:/app/out/ belval/trdg:latest

路径 ( /output/path/) 必须是绝对路径。

使用

0、将训练数据生成的数量设置为 10，结果存储目录'/out' 中，创建了由随机单词组成的英文字符串数据

1、得到 1000 张随机生成的图像，trdg -c 1000 -w 5 -f 64 -l cn

2、文字倾斜，trdg -c 1000 -w 5 -f 64 -k 5 -rk

3、文字扭曲，使用 -d 和 -do 为生成的文本添加失真 trdg -c 1000 -w 5 -f 64 -d -do

4、文字模糊，添加-rbl 以使用用户定义的半径（此处为 0、1、2、4）对生成的图像进行高斯模糊

trdg -c 1000 -w 5 -f 64 -rbl

5、背景，添加 -b 以定义三种可用背景之一：高斯噪声 (0)、纯白色 (1)、准晶体 (2) 或图像 (3)。使用图像背景时 (3)。 将随机选择 images/ 文件夹中的图像并在其上写入文本。

6、手写，添加-hw！ （实验性）。它使用了一个使用 Grzego 这个优秀项目训练的 Tensorflow 模型。如果您不使用此功能，该项目不需要运行 TensorFlow。

7、字典，文本是在字典文件（可以在 dicts 文件夹中找到）中随机选择的，并绘制在由高斯噪声制成的白色背景上。 生成的图像保存为 [text]_[index].jpg

您可以调整很多参数以获得所需的结果，因此我建议您查看 trdg -h 以获取更多信息。

生成的图片如下：

python调用：

from trdg.generators import (
    GeneratorFromDict,
    GeneratorFromRandom,
    GeneratorFromStrings,
    GeneratorFromWikipedia,
)

# The generators use the same arguments as the CLI, only as parameters
generator = GeneratorFromStrings(
    ['Test1', 'Test2', 'Test3'],
    blur=2,
    random_blur=True
)

for img, lbl in generator:
    print(img, lbl)  # <PIL.Image.Image image mode=RGB size=64x32 at 0x7FAC2DAA8AC8> Test2
    # Do something with the pillow images here.

参考：

GitHub - Belval/TextRecognitionDataGenerator: A synthetic data generator for text recognition  开源github