OCR主要分为三个步骤：检测、分割、文字识别。其中文字识别无论是英文还是中文相对比较成熟。只要检测到位，标准的印刷体识别率还是非常高的。
文书OCR检测主要有文字检测和表格检测。文本段落基于行的检测通过DBNet加人为后期纠正能够获得非常高的准确率（此部分以后再写），反而是表格的检测花费了很多时间，网上常规的方法：先对图像进行二值化，然后使用霍夫变换，检测出其中的直线，并在直线中，找到围成一个矩形的区域，将这块区域提取出来就好了。但是难点在于印刷或打印表格线条的过程中清晰度不高，线条粗细和清晰度不一，再次扫描后更加不清晰，同时有些表格里面的文字是多行的，情况非常复杂，必须一个个方框切割下来进行文字识别。例如下面整个图片，表格线条粗细不一，清晰度欠佳，采用霍夫变换直线检测准确率很低，经过多次实验，我把目前稳定性和准确率最高的方法记录下来。这个算法灵活运用了自适应阀值二值化、腐蚀和二次膨胀，让表格乖乖的现形了
(注意：此图有点斜，为了后面更高的检测和文字识别率，需要先摆正，此文不讲了)
第一步，直接以灰度图读入图片
img=cv2.imread("D:\\Python37\\code\\timg.jpg",0)
第二步是关键，自适应阈值二值化处理
binary = cv2.adaptiveThreshold(~img,255,cv2.ADAPTIVE_THRESH_MEAN_C,cv2.THRESH_BINARY,7, -2)
自适应阈值：
当同一幅图像上的不同部分的具有不同亮度时。这种情况下我们需要采用自适应阈值。此时的阈值是根据图像上的每一个小区域计算与其对应的阈值。因此在同一幅图像上的不同区域采用的是不同的阈值，从而使我们能在亮度不同的情况下得到更好的结果。
cv2.adaptiveThreshold（）参数说明，后面两个参数很重要。
参数1：InputArray类型的src，输入图像，填单通道，单8位浮点类型Mat即可。~img表示黑白对调，变成黑底白字，这里也是注意点
参数2：预设满足条件的最大值。指当像素值高于（有时是小于）阈值时应该被赋予的新的像素值
参数3：指定自适应阈值算法。adaptive_method 指： CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C。（具体见下面的解释）。
参数4：指定阈值类型。可选择CV_THRESH_BINARY，CV_THRESH_BINARY_INV两种。（即二进制阈值或反二进制阈值）。
参数5：表示邻域块大小（一个正方形的领域），用来计算区域阈值，一般选择为3、5、7......等。因为我们是直线检测，相邻领域都很小，这样能够把大于这个像素的领域删除，例如本文设为7
参数6：参数C表示与算法有关的参数，它是一个从均值或加权均值提取的常数，可以是负数。（具体见下面的解释）。
对参数3与参数6内容的解释：
自适应阈值化计算大概过程是为每一个象素点单独计算的阈值，即每个像素点的阈值都是不同的，就是将该像素点周围B*B区域内的像素加权平均，然后减去一个常数C，从而得到该点的阈值。B由参数5指定，常数C由参数6指定。
参数4中：
CV_ADAPTIVE_THRESH_MEAN_C ，为局部邻域块的平均值。该算法是先求出块中的均值，再减去常数C。
CV_ADAPTIVE_THRESH_GAUSSIAN_C ，为局部邻域块的高斯加权和。该算法是在区域中（x，y）周围的像素根据高斯函数按照他们离中心点的距离进行加权计算， 再减去常数C。
举个例子：如果使用平均值方法，平均值mean为190，差值delta（即常数C）为30。那么灰度小于160的像素为0，大于等于160的像素为255。
第三步识别横线和竖线
rows,cols=binary.shape
scale = 20
#识别横线
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(cols//scale,1))
eroded = cv2.erode(binary,kernel,iterations = 1)
#由于图像像素质量的原因，一次膨胀不够，往往有些线无法识别，我用二次膨胀。
dilatedcol = cv2.dilate(eroded,kernel,iterations = 2)
scale = 10
#识别竖线
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(1,rows//scale))
eroded = cv2.erode(binary,kernel,iterations = 1)
#cv2.imshow("Eroded Image",eroded)
dilatedrow = cv2.dilate(eroded,kernel,iterations =2)
#标识交点
bitwiseAnd = cv2.bitwise_and(dilatedcol,dilatedrow)
#标识表格
merge = cv2.add(dilatedcol,dilatedrow)
#识别黑白图中的白色交叉点，将横纵坐标取出
ys,xs = np.where(bitwiseAnd>0)
mylisty=[] #纵坐标
mylistx=[] #横坐标
#通过排序，获取跳变的x和y的值，说明是交点，否则交点会有好多像素值值相近，我只取相近值的最后一点
#这个10的跳变不是固定的，根据不同的图片会有微调，基本上为单元格表格的高度（y坐标跳变）和长度（x坐标跳变），对于多个点，我取x，y中间值mean
i = 0
myxs=np.sort(xs)
tmpmy=[]
for i in range(len(myxs)-1):
if(myxs[i+1]-myxs[i]>10):
tmpmy.append(myxs[i])
mylistx.append(int(mean(tmpmy)))
tmpmy=[]
else:
tmpmy.append(myxs[i])
i=i+1
mylistx.append(int(mean(tmpmy))) #要将最后一个点加入
i = 0
myys=np.sort(ys)
tmpmy=[]
for i in range(len(myys)-1):
if(myys[i+1]-myys[i]>10):
tmpmy.append(myys[i])
mylisty.append(int(mean(tmpmy)))
tmpmy = []
else:
tmpmy.append(myys[i])
i = i + 1
mylisty.append(int(mean(tmpmy))) #要将最后一个点加入
cv2.imshow("bitwiseAnd", bitwiseAnd)
cv2.imshow("merge", merge)
cv2.waitKey(0)
cv2.destroyAllWindows()
第四步，根据交叉点分割出一个个小格用于文字识别
#循环y坐标，x坐标分割表格，返回一个个子方框用于文字识别。真正使用过程中是需要知道每个框是第几行第几列的，我这里没有做处理。
for i in range(len(mylisty)-1):
for j in range(len(mylistx)-1):
#在分割时，第一个参数为y坐标，第二个参数为x坐标
ROI = image[mylisty[i]+3:mylisty[i+1]-3,mylistx[j]:mylistx[j+1]-3] #减去3的原因是由于我缩小ROI范围
ROIList.append(ROI)
j=j+1
i=i+1
return ROIList
一个程序只能适应一个模板，大致思路差不多。我本来还想做一个自动膨胀次数检测，以自动达到检测目标、自动适应各种清晰度的程序，但是难度有点大，后续有需要再慢慢做了。
最后：感谢深圳的孙老师带我OCR入门
