一、需求

? ? ? ? OCR算法在處理合同等文件時，會由于印章等遮擋導(dǎo)致文本誤識別。因此在OCR預(yù)處理時，有一個很重要的步驟是“去除印章”。其中本文主要聚焦在“去除印章”任務(wù)中的數(shù)據(jù)構(gòu)建步驟：“合同+偽印章”的數(shù)據(jù)構(gòu)建。下面直接放幾張批量合成后效果。

二、原理實現(xiàn)? ? ??

? ? ? ? 合成合同印章的步驟有三個“隨機”需要控制。1.印章樣式需要“隨機”；2.印章“隨機”角度、位置貼在合同上的；3.合同版面色澤需要“隨機”。

2.1 隨機印章樣式

????????我采用的是第三方接口，這里借鑒了這位大佬方法二的思路：【Python】實現(xiàn)公章自動化生成以及自動蓋章效果-CSDN博客，實現(xiàn)批量生成。主要的調(diào)用思路是，通過調(diào)用第三方印章生成網(wǎng)址跑批生成。

def func_get_stamp_png(name,use,seal_type):# 定義API的地址out_put_name =  os.path.join(seal_output_path,name+".png")url = "http://www.yinzhang8.com.cn/seal/index.php?name={}&str={}&type={}".format(str(name),str(use),str(seal_type))# 發(fā)送HTTP請求response = requests.get(url)assert response.status_code == 200assert 1<=types<=4# 將返回的二進制數(shù)據(jù)保存為本地文件with open(out_put_name, "wb") as f:f.write(response.content)

然而第三方網(wǎng)址需要公司名，這里我采用的是faker庫，隨機生成公司名然后去調(diào)用跑批。代碼如下。這里公司長度一般在[8,11]字長范圍較合適

    #批量隨機生成公司名def get_faker_company(self,n,control_len):# 一般公司名的字長范圍為,限制 control_len = [8,11]from faker import Fakermy_fake = Faker("zh-CN")comany_list = set()while len(comany_list) < n:tmp_company = my_fake.company()if control_len[0]<=len(tmp_company)<=control_len[1]:comany_list.add(tmp_company)return list(comany_list)

?2.2 隨機印章位置角度

? ? ? ? 在貼上合同的時候，需要用PIL的paste函數(shù)中的position來實現(xiàn)控制位置，隨機角度需要采用PIL.Image庫首先將印章完成旋轉(zhuǎn)，然后再貼上去。部分代碼如下。

 # 隨機選擇一個傾斜角度
angle = random.randint(-15, 15)
watermark = watermark.rotate(angle)

# 計算印章可以放置的位置范圍
x_range = [int(doc_width * 0.2),int(doc_width * 0.8)]
y_range = [int(doc_height * 0.5),int(doc_height * 0.9)]
# 隨機選擇一個位置
x_position = random.randint(x_range[0], x_range[1])
y_position = random.randint(y_range[0], y_range[1])
watermark = watermark.resize((int(doc_width*0.1),int(doc_height*0.1)))
# 將水印添加到基本圖像
base_image.paste(watermark, (x_position,y_position), watermark)

2.3 隨機合同樣式

????????這部分考慮到，由于是做圖像復(fù)原任務(wù)，所以在torch里做比較好，對image和label做同一個轉(zhuǎn)換，就能保持圖像前后的一致性。

三、秀效果

? ? ? ? 隨便貼張圖，展現(xiàn)效果。全部源碼傳送門：coming soon。