OAK简介

OAK（OpenCV AI Kit）是一个开源的智能视觉平台，它集成了硬件和软件组件，旨在提供高性能的实时目标检测、识别和跟踪等视觉AI功能。OAK由Luxonis公司开发，目的是为了降低视觉AI开发的门槛，使其更加普及和易于实现。

OAK平台的核心是OAK相机，它是一款集成了RGB相机、深度相机以及专门的神经网络处理器的智能视觉相机。OAK相机使用MIPI CSI-2接口连接到主设备，可以提供高质量的图像和深度数据输入。

OAK相机通过内置的NPU（神经网络处理器）实现了实时的神经网络推理，可以在设备端进行高效的人工智能处理。支持的神经网络模型包括TensorFlow Lite、ONNX等格式，用户可以根据需要选择合适的模型进行部署。

OAK相机的软件支持是基于OpenCV（开源计算机视觉库）和OpenVINO（Open Visual Inference & Neural Network Optimization Toolkit）构建的。用户可以使用Python等常见的编程语言进行开发，并使用OpenCV和OpenVINO提供的丰富功能和工具进行图像处理、模型部署和性能优化。

除了OAK相机，OAK平台还提供了一系列的附件和拓展模块，如深度伪彩色模块、双相机模块等，以满足不同的应用需求。

OAK平台和OAK相机可以应用于各种领域，例如机器人导航、智能监控、人脸识别、智能交通系统、物体跟踪等。通过使用OAK平台，开发者可以在嵌入式设备上实现高性能的视觉人工智能应用，极大地扩展了视觉AI的应用范围和可能性。

Tesseract简介

Tesseract是一款开源的OCR（Optical Character Recognition，光学字符识别）引擎，最初由HP实验室开发，在2005年后由Google接手并进一步开发和完善。Tesseract支持多种语言文字的检测和识别，包括中文、英语、德语、法语、意大利语等多种主要语言，同时也支持针对特定场景或应用的领域OCR开发。

Tesseract基于机器学习技术，使用了多层神经网络以及支持向量机（SVM）等算法进行文字特征提取和识别。同时，Tesseract通过图像预处理、二值化、斑点去除和边框检测等多个环节优化页面处理流程，并且提供了多种字体、大小、旋转角度和噪声等挑战场景下的训练数据集，使得识别精度可以获得不错的性能表现。

除了提供C++ API之外，Tesseract还为多种编程语言提供了API的封装，如Python、Java、C#等，方便用户快速上手开发应用，可以广泛应用于扫描文档、电子书库入库、自动化办公、图片文字识别搜索等各个领域。

Tesseract OCR安装包

下载tesseract-ocr.exe。可以从github上下载最新版本： Tesseract OCR。

安装 Tesseract OCR

1. 下载完成后，双击下载的.exe文件进行安装，在弹出的语言选择对话框中选择默认，点击OK。
   
2. 在欢迎界面，直接点击Next。
   
3. 在License页面点击 " I Agree "
   
4. Choose Users页面选择默认，直接点击Next
   
5. 在Choose Components页面需要注意，由于默认的识别语言是英语，这里我们要在Additional language data中勾选中文包，才可以OCR识别中文。(注：这里的vertical指的是识别竖向文本)
   
6. 在选择安装位置页面选择需要将软件安装到那个位置
   
7. 选择好安装路径后，点击Next，等待软件安装完成。
8. 配置环境变量。
   Tesseract 安装完成后，需要将 Tesseract OCR 的可执行文件路径添加到系统环境变量中，以便在命令行中使用。
   1). 按 Win + X 组合键，然后选择“系统”。
   2). 点击左侧菜单中的“高级系统设置”，打开“系统属性”对话框。
   3). 点击“环境变量”按钮，打开“环境变量”对话框。
   4). 在“系统变量”部分找到名为 Path 的变量，双击或点击“编辑”按钮打开“编辑环境变量”对话框。
   5). 点击“新建”按钮，将 Tesseract OCR 安装目录下的 bin 文件夹路径添加到列表中。通常，该路径为 C:\Program Files\Tesseract-OCR。请确保添加的是包含 tesseract.exe 文件的 bin 文件夹路径。
   6). 点击“确定”按钮关闭各个对话框。

现在，我们已经成功安装了 Tesseract OCR，并可以在 Windows 10 上使用它进行文本识别了。如需使用 Tesseract OCR 的 Python 绑定，可以通过 pip 安装 pytesseract 库：

pip install pytesseract

安装完成后，在 Python 脚本中使用 import pytesseract 即可。

代码实现

1. 新建文件夹，命名为OAK_OCR,用VSCode打开该文件夹。
2. 在编写代码之前，需要先确保我们已经安装了所需库和工具，在这里我们需要安装depthai、opencv-python和pytesseract，如果没有安装，执行下面的代码进行安装：

pip install depthai opencv-python pytesseract

3. 创建名为main.py的Python文件并输入以下代码：

import cv2
import depthai as dai 
import pytesseract # 如果设置了环境变量，直接这样import就可以了，如果没有设置环境变量，则添加下面的代码
pytesseract.pytesseract.tesseract_cmd = r'D:\Program Files\Tesseract-OCR\tesseract.exe'# 初始化OAK-D PRO相机
pipeline = dai.Pipeline()# 创建Color相机配置
cam_rgb = pipeline.createColorCamera()
cam_rgb.setPreviewSize(640, 480)
cam_rgb.setResolution(dai.ColorCameraProperties.SensorResolution.THE_1080_P)
cam_rgb.setInterleaved(False)# 创建XLink输出节点 预览输出 
xout_rgb = pipeline.createXLinkOut()
xout_rgb.setStreamName("rgb")
cam_rgb.preview.link(xout_rgb.input)# 连接设备并启动管道
with dai.Device(pipeline) as device:# 获取输出队列q_rgb = device.getOutputQueue(name="rgb", maxSize=4, blocking=False)# 主循环while True:# 获取一帧图像in_rgb = q_rgb.get()frame = in_rgb.getCvFrame()# 使用Tesseract进行文字识别text = pytesseract.image_to_string(frame, lang='eng', config='--psm 6')#简体中文识别：# text = pytesseract.image_to_string(frame, lang='chi_sim', config='--psm 6')# 中英文识别 lang='chi_sim+eng'# 在控制台中显示识别到的文本print(text)# 处理识别到的文本# 替换特定的字符或字符串#processed_text = text.replace("old_string", "new_string")# 将处理后的文本保存到文件中with open("recognized_text.txt", "w", encoding="utf-8") as file:file.write(processed_text)# 展示帧cv2.imshow("OAK-D PRO Text Recognition", frame)if cv2.waitKey(1) == ord('q'):break

上面这段代码通过OAK相机，使用了OpenCV、depthai和pytesseract等库来实现文字识别功能。

首先，我们导入了cv2、depthai和pytesseract库，主要通过这三个库来实现OAK文字识别的功能。

cv2库是OpenCV（开源计算机视觉库）的Python接口，它提供了丰富的图像和视频处理功能，可以进行图像加载、图像处理、特征检测、图像分割、目标跟踪等操作。在此代码中，cv2库用于加载和显示图像。

depthai库是Luxonis开发的用于与OAK（OpenCV AI Kit）相机通信的Python库。它提供了与OAK相机进行交互的API，可以进行相机配置、获取相机输出、访问相机的深度数据等操作。在此代码中，depthai库用于创建Pipeline对象并与OAK相机进行初始化和连接。

pytesseract库是一个开源的OCR（光学字符识别）库，它可以识别图像中的文字。它使用Tesseract OCR引擎作为后端，并提供了将图像转换为文本的函数。在此代码中，pytesseract库用于对OAK相机捕获的图像进行文字识别。

cv2库用于图像处理和显示，depthai库用于与OAK相机通信和获取相机输出，而pytesseract库用于进行OCR文字识别。这三个库共同合作，实现了使用OAK相机进行文字识别的功能。

这里需要注意：如果在使用pytesseract之前尚未设置环境变量指向Tesseract OCR引擎的安装位置，则需要使用pytesseract.pytesseract.tesseract_cmd指定tesseract.exe文件的路径。

然后，我们通过创建一个Pipeline对象来初始化OAK-D PRO相机，并设置了Color相机的参数，如预览大小、分辨率和颜色插值。此外，还创建了一个XLink输出节点，用于将预览输出发送到XLink。

使用dai.Device(pipeline)启动设备并连接到OAK相机。在主循环中，我们从输出队列中获取一帧RGB图像，并使用getCvFrame()方法将其转换为OpenCV格式的图像。

接下来，我们使用pytesseract库中的image_to_string()函数对图像中的文字进行识别。通过指定lang参数来设置识别的语言，这里默认是英文(lang='eng')，我们可以根据需要切换到其它支持的语言进行识别。识别结果将存储在text变量中。

• image_to_string() 是 pytesseract 库中的一个函数，用于将输入的图像转换为字符串。这个函数的输出是一个包含识别到的文本的字符串。其参数定义如下：
  1. frame 是输入的图像。它通常是一个由其他库（例如 OpenCV）读取的图像。
  2. lang='eng' 是一个可选参数，指定了要识别的文字的语言。在这个例子中，我们告诉 Tesseract 我们只对英文文本感兴趣。
  3. config='--psm 6' 是另一个可选参数，它指定了 Tesseract 的页面分割模式（Page Segmentation Mode）。
  4. --psm 6 表示使用“Assume a single uniform block of text”的模式。这意味着 Tesseract 将尝试在输入图像中找到一个单一的连续文本块。

然后，我们可以对识别到的文本进行处理，例如替换特定的字符或字符串。

最后，我们将处理后的文本保存到文件中，并使用OpenCV的imshow()函数将识别到的文字显示在窗口中。按下键盘上的"q"键即可退出程序。

4. 将OAK相机通过USB口与电脑连接。
5. 运行代码：输入下面的指令运行代码

python main.py

6. 运行程序后，程序会打开一个窗口，实时显示视频流，我们在VSCode的终端中，可以看到识别的文字已经打印出来了。