from paddleocr import PaddleOCR import cv2 import pandas as pd import numpy as np from sklearn.cluster import DBSCAN import os current_directory = os.getcwd() # OCR modelini başlat model = PaddleOCR(use_angle_cls=True, lang='en', use_gpu=True, det_model_dir=f"{current_directory}/.paddleocr/whl/det/en/en_PP-OCRv3_det_infer", rec_model_dir=f"{current_directory}/.paddleocr/whl/rec/en/en_PP-OCRv4_rec_infer", cls_model_dir=f"{current_directory}/.paddleocr/whl/cls/ch_ppocr_mobile_v2.0_cls_infer") # Resmi oku ve RGB formatına dönüştür # image_path = "test_images/3.jpg" # image = cv2.imread(image_path) # image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) def get_list(img) -> list: result = model.ocr(img, cls=False) sorted_text = ocr_result_to_dataframe(result) df = pd.DataFrame(sorted_text) return sorted_text def ocr_result_to_dataframe(result): all_texts = [] all_coords = [] # OCR sonuçlarını ayıkla for iResult in result: for res in iResult: line_text = res[1][0] box_coordinates = res[0] all_texts.append(line_text) all_coords.append(box_coordinates) # Her bir kutunun merkez y koordinatını hesapla centers_y = [np.mean([coord[1] for coord in box]) for box in all_coords] heights = [max(coord[1] for coord in box) - min(coord[1] for coord in box) for box in all_coords] # Ortalama yüksekliği hesapla ve eşik değeri olarak kullan avg_height = np.mean(heights) y_threshold = avg_height * 0.5 # Y ekseni farkı için eşik # DBSCAN kullanarak satırları gruplandır dbscan = DBSCAN(eps=y_threshold, min_samples=1) labels = dbscan.fit_predict(np.array(centers_y).reshape(-1, 1)) n_clusters = len(set(labels)) - (1 if -1 in labels else 0) grouped_texts = [[] for _ in range(n_clusters)] grouped_coords = [[] for _ in range(n_clusters)] for text, coords, label in zip(all_texts, all_coords, labels): if label != -1: grouped_texts[label].append(text) grouped_coords[label].append(coords) # Grupları y koordinatlarına göre sırala grouped_texts_coords = sorted(zip(grouped_texts, grouped_coords), key=lambda x: np.mean([np.mean([coord[1] for coord in box]) for box in x[1]])) sorted_texts = [] for group_texts, group_coords in grouped_texts_coords: # Her grubu x koordinatına göre sırala (soldan sağa) sorted_group = sorted(zip(group_texts, group_coords), key=lambda x: x[1][0][0]) if len(sorted_group) > 3: first_text, first_coord = sorted_group[0] # Listenin ilk elemanını al if any(char.isalpha() for char in first_text): # Harf kontrolü # Harf içeren bölümü ayır split_text = first_text.split() index = len(split_text[0]) if index < len(first_text): # İlk kelime sonrasında bir şey varsa remaining_text = first_text[index:] sorted_group[0] = (split_text[0], first_coord) # İlk elemanı güncelle # Yeni elemanı oluşturarak listeye ekle sorted_group.insert(1, (remaining_text, first_coord)) sorted_texts.append([text for text, _ in sorted_group]) return sorted_texts # # OCR sonuçlarını satırlara dönüştür # grouped_text = ocr_result_to_dataframe(result) # DataFrame'e dönüştür ve Excel dosyasına yaz # df = pd.DataFrame(grouped_text) # df.to_excel('ocr_results.xlsx', index=False, header=False) # get_list(image)