输出结果
1、五张图片进行测试，并输出测试结果
输出结果分别为
设计思路
核心代码
def ocr_predict(im):
im = im.convert('L') 。
scale = im.size[1]*1.0 / 32
w = im.size[0] / scale
w = int(w)
im = im.resize((w,32))
img = np.array(im).astype(np.float32)/255.0
# print(img)
X = img.reshape((32,w,1))
X = np.array([X])
y_pred = basemodel.predict(X)
# out01 = decode(y_pred)
# print('out01的输出：',out01)
y_pred = y_pred[:,2:,:]
out = decode(y_pred)
# print('out01过滤后的输出:',out)
#out = K.get_value(K.ctc_decode(y_pred, input_length=np.ones(y_pred.shape[0])*y_pred.shape[1], )[0][0])[:, :]
#out = u''.join([characters[x] for x in out[0]])
if len(out)>0:
while out[0]==u'。':
# print('【out[0]==u。后输出】：', out)
if len(out)>1:
out = out[1:]
# print('【out[1:]输出】：', out)
else:
break
return out #返回out
img = cv2.imread('./img/12.jpg')
image = Image.fromarray(img).convert('L')
print(sim_pred)
