Detección y traducción de texto con Python OpenCV

Detección y traducción de texto con Python OpenCV

Tabla de contenido:

1. Introducción
2. Uso de la biblioteca Python Deep Translator
3. Uso de OpenCV y Pi Tesseract para leer texto de una imagen
4. Traducción de texto utilizando Deep Translator
5. Código de ejemplo
6. Explicación del código paso a paso
7. Limitaciones y mejoras futuras
8. Conclusiones

Uso de OpenCV y Pi Tesseract para leer y traducir texto de imágenes

¡Hola a todos! En este video vamos a ampliar lo que hemos hecho anteriormente utilizando la biblioteca Python Deep Translator. En el video anterior, utilizamos esta biblioteca para realizar traducciones básicas de texto. Sin embargo, esta vez vamos a dar un paso más allá. Vamos a utilizar OpenCV y Pi Tesseract para leer el texto de una imagen y luego traducirlo. ¡Incluso vamos a intentar hacer una traducción en tiempo real utilizando una cámara! Acompáñenme en este emocionante proyecto.

Antes de sumergirnos en el código y el proceso detrás de todo esto, déjenme presentarles brevemente lo que vamos a hacer en este video. Primero, echaremos un vistazo rápido a una imagen de muestra que contiene texto en inglés. Utilizaremos OpenCV y Pi Tesseract para detectar y resaltar las palabras en la imagen. Luego, utilizaremos Deep Translator para traducir el texto en inglés al español. Finalmente, mostraremos el texto traducido en la imagen. Es un proyecto emocionante, así que ¡vamos a comenzar!

# Detección y resaltado de texto en una imagen

Lo primero que vamos a hacer es importar las bibliotecas necesarias para este proyecto. Vamos a importar cv2 para trabajar con imágenes, deep_translator para realizar la traducción y pi_tesseract para realizar el reconocimiento óptico de caracteres en la imagen.

import cv2
from deep_translator import DeepL, GoogleTranslator
import pytesseract

Una vez que tenemos todas las bibliotecas importadas, pasamos a cargar la imagen en la que queremos trabajar. En este ejemplo, la imagen se llama "texto.jpg" y está en el mismo directorio que nuestro archivo de código. Si su imagen se encuentra en otro directorio, deberá proporcionar la ruta completa hacia la imagen. Utilizamos la función cv2.imread() para cargar la imagen en un objeto de tipo Mat.

image = cv2.imread("texto.jpg")

Con la imagen cargada, vamos a convertirla a escala de grises utilizando la función cv2.cvtColor().

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

La siguiente tarea es aplicar un umbral a la imagen en escala de grises para obtener una imagen binarizada. Esto nos ayudará a resaltar aún más el texto en la imagen.

ret, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)

Ahora que tenemos una imagen binarizada, podemos utilizar pytesseract para realizar el reconocimiento óptico de caracteres en la imagen. Utilizamos la función pytesseract.image_to_string() para obtener el texto de la imagen.

text = pytesseract.image_to_string(threshold, lang='eng')

¡Y eso es todo! Ahora tenemos el texto extraído de la imagen. En el siguiente paso, vamos a utilizar DeepL para traducir el texto de inglés a español.

# Traducción del texto utilizando DeepL

Ahora que tenemos el texto extraído de la imagen, vamos a usar DeepL para traducirlo a español. DeepL es una biblioteca de traducción automática que utiliza un enfoque basado en redes neuronales. Es una excelente opción para nuestras necesidades de traducción en este proyecto.

Para traducir el texto a español, necesitamos importar la biblioteca deep_translator y luego utilizar la función Translate() para realizar la traducción.

translated_text = DeepL.translate(text, target_language='es')

Y eso es todo, hemos traducido con éxito el texto de inglés a español utilizando DeepL. Ahora podemos mostrar el texto original y el texto traducido en la imagen utilizando OpenCV.

# Mostrando el texto en la imagen

Para mostrar el texto en la imagen, vamos a utilizar la función cv2.putText() de OpenCV. Esta función nos permite escribir texto en una imagen y especificar su posición, tamaño, tipo de fuente, etc.

cv2.putText(image, text, (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 0, 0), 2)
cv2.putText(image, translated_text, (50, 100), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

En este ejemplo, estamos mostrando el texto original en la parte superior de la imagen y el texto traducido debajo de él. Utilizamos diferentes colores para diferenciar entre los dos. También podemos ajustar la posición y el tamaño del texto según sea necesario.

Finalmente, vamos a mostrar la imagen en una ventana utilizando la función cv2.imshow(). Esto nos permitirá ver el resultado de nuestra traducción en la imagen.

cv2.imshow("Image", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Y con eso, hemos completado nuestro proyecto de traducción de texto utilizando OpenCV, Tesseract y DeepL. Es un ejemplo simple pero demuestra el poder de estas bibliotecas y cómo se pueden utilizar juntas para realizar tareas de procesamiento de imágenes y traducción.

Conclusiones

En resumen, en este video aprendimos a utilizar las bibliotecas OpenCV, Tesseract y DeepL para leer y traducir texto en imágenes. Comenzamos cargando una imagen y aplicando técnicas de procesamiento de imágenes para resaltar el texto en la imagen. Luego utilizamos Tesseract para extraer el texto de la imagen y DeepL para traducirlo a otro idioma. Finalmente, mostramos el texto original y el texto traducido en la imagen utilizando OpenCV.

Este proyecto es solo el comienzo de las posibilidades que se pueden lograr utilizando estas bibliotecas. Puedes experimentar con diferentes imágenes y traducir a otros idiomas utilizando DeepL. También puedes explorar otras características de OpenCV y Tesseract para realizar más tareas de procesamiento de imágenes.

Espero que hayan disfrutado de este video y que les haya brindado una introducción a estas poderosas bibliotecas. Como siempre, ¡gracias por su apoyo y nos vemos en el próximo video!

世界再見！ (¡Hasta luego!)