tansyqinyrproj Download - tansyqinyrproj Quellcode herunterladen

tansyqinyrproj

Andere Kategorien

1.0.0

Herunterladen

tansyqinyrproj

Projekt zur digitalen Bildverarbeitung

1. Funktionsliste

OCR extrahiert Textinformationen aus Ausweisbildern
Stilmigration: Süßigkeiten, Sternenhimmel, Picasso, Muse, Mosaik, Die große Welle vor Kanagawa, Dada Achtung, Schrei, Feder
Grundfunktionen: insgesamt 39. Salz- und Pfefferrauschen, mittlere Glättung, mittlere Glättung, Gaußsche Glättung; Bildschärfung – Laplace-Operator, Bildschärfung – horizontale Richtung des Sobel-Operators, Bildschärfung – vertikale Richtung des Sobel-Operators, Verwendung der bilinearen Interpolationsmethode, Verschieben des Bildes um 30 Pixel links, 50 Pixel nach unten, um 45 Grad drehen, der Skalierungsfaktor ist 1, in Graustufen konvertieren, in Graustufen konvertieren und dann binärisieren – globale Schwellenwertmethode, Histogrammausgleich, Graustufenhistogramm, affine Transformation, perspektivische Transformation, Bildspiegelung, RGB zu HSV, HSV bekommt H, HSV bekommt S, HSV bekommt V, RGB bekommt B, RGB bekommt G, RGB bekommt R, horizontale Spiegelung, vertikale Spiegelung, Diagonale Spiegelung, Bildöffnungsoperation, Bildschließungsoperation, Erosion, Erweiterung, Top-Hat-Operation, Bottom-Hat-Operation, HoughLinesP realisiert Linienerkennung, Canny-Edge-Erkennung, Bildverbesserung, Der Roberts-Operator extrahiert Bildkanten, der Prewitt-Operator extrahiert Bildkanten, der Laplace-Operator extrahiert Bildkanten und der LoG-Operator extrahiert Bildkanten.

2. Technologie-Stack

2.1 Front-End-Entwicklung

Hauptentwicklungssprachen: HTML, CSS, JavaScript
Front-End-Framework: Vue.js
Gerüst: Vue-CLI
Benutzeroberfläche: ElementUI
Code-Editor: IntelliJ IDEA
Datenaustausch: Axios
Front-End-Paketmanager: npm
Front-End-Build-Tool: Webpack

2.2 Backend-Entwicklung

Hauptentwicklungssprache: Python
Backend-Framework: Flask
Code-Editor: IntelliJ IDEA
Versionskontrollsystem: Git
Domänenübergreifende Tools: flask-cors

3. Projektbetrieb

3.1 Abhängigkeiten installieren

Zuerst müssen Sie Tesseract lokal installieren. Das Projekt verwendet die Version tesseractV4.0 und verwendet tesseract-ocr-setup-4.00.00dev.exe um es lokal zu installieren.
1. ```
 PS D:xxx> tesseract -v
 tesseract 4.00.00alpha
 ...
```
Tesseract-Sprachpaket herunterladen.
1. Laden Sie chi_sim.traineddata herunter. Speichern Sie die Datei chi_sim.traineddata im /安装路径/Tesseract-OCR/tessdata .

3.2 Konfiguration ändern

Ändern Sie die Konfigurationsinformationen in der Datei config.py .

3.3 Front-End-Bedienung

Geben Sie zunächst den Ordner „firstend“ im Terminal ein und geben Sie zum Starten die folgenden Befehle ein.

 # install dependency
npm install
# develop
npm run dev

Wenn der Start fehlschlägt, versuchen Sie, den Ordner node_modules und die Datei package-lock.json zu löschen und führen Sie die oben genannten Schritte erneut aus. Wenn es immer noch fehlschlägt: Versuchen Sie, die lokale Version von node.js zu verringern. Ich verwende v12.17.0 .