发票金额提取自动化python opencv

原创

mob64ca12e7f20c 2024-09-10 06:52:42 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12e7f20c的原创作品，请联系作者获取转载授权，否则将追究法律责任

发票金额提取自动化：使用Python和OpenCV

在现代商业环境中，自动化处理发票数据被广泛应用。而利用Python和OpenCV，我们可以高效地提取发票上的金额信息。本文将引导您完成这个过程，适合刚入行的小白开发者。以下是整个实现流程的概述。

流程概述

我们可以将整个过程分为以下几个步骤：

步骤	描述
1	安装所需库
2	读取和预处理发票图像
3	使用OCR提取文本
4	在提取的文本中定位金额
5	将提取到的金额展示和保存

流程图

以下是整个流程的可视化表示：

flowchart TD
    A[开始] --> B[安装所需库]
    B --> C[读取和预处理发票图像]
    C --> D[使用OCR提取文本]
    D --> E[定位金额]
    E --> F[展示和保存金额]
    F --> G[结束]

步骤详解

1. 安装所需库

我们需要安装OpenCV、Pillow和Pytesseract这几个库。在命令行中，执行以下命令即可：

pip install opencv-python pillow pytesseract

opencv-python：图像处理的库。
pillow：图像处理的库，功能更丰富。
pytesseract：Python封装的Tesseract OCR引擎，用于提取文本。

2. 读取和预处理发票图像

读取发票图像并进行预处理，以提高OCR的准确性。以下是代码示例：

import cv2
import numpy as np

# 读取图像
image = cv2.imread('invoice.jpg')

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 应用高斯模糊以减少噪声
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# 应用二值化处理
_, binary = cv2.threshold(blurred, 150, 255, cv2.THRESH_BINARY_INV)

# 保存处理后的图像
cv2.imwrite('processed_invoice.jpg', binary)

cv2.imread()：读取图像。
cv2.cvtColor()：转换图像颜色空间。
cv2.GaussianBlur()：减少图像噪声。
cv2.threshold()：将图像二值化。

3. 使用OCR提取文本

接下来，使用Pytesseract进行文本提取。

import pytesseract

# 使用pytesseract提取文本
extracted_text = pytesseract.image_to_string(binary)

# 打印提取的文本
print(extracted_text)

pytesseract.image_to_string()：将图像转换为字符串。

4. 在提取的文本中定位金额

我们需要从提取的文本中识别金额，这可以通过正则表达式来实现。

import re

# 定义用于识别金额的正则表达式
amount_pattern = r'\b\d+(\.\d{1,2})?\b'

# 在文本中搜索金额
amounts = re.findall(amount_pattern, extracted_text)

# 打印所有找到的金额
print("提取到的金额为:", amounts)

re.findall()：根据正则表达式查找所有匹配的字符串。

5. 将提取到的金额展示和保存

最后，我们可以将提取到的金额打印出来，并将其保存到一个文件中。

# 将提取到的金额保存到文件
with open('extracted_amounts.txt', 'w') as f:
    for amount in amounts:
        f.write(f'{amount}\n')

print("金额已保存到文件: extracted_amounts.txt")

使用open()和write()函数将结果保存到文本文件中。

类图

下面是整个过程中的类图结构：

classDiagram
    class InvoiceProcessor {
        +read_invoice(image_path: str)
        +preprocess_image()
        +extract_text()
        +find_amount()
    }
    
    class FileHandler {
        +save_to_file(data: list)
        +load_from_file(file_path: str)
    }
    
    InvoiceProcessor --> FileHandler : uses