10分钟上手，OpenCV自然场景文本检测（Python代码+实现）
在本教程中，您将学习如何使用EAST文本检测器在自然场景下检测文本。
本教程的主要目的是教读者利用OpenCV和EAST文本检测器来检测文本。
运行环境：
EAST文本检测器需要OpenCV3.4.2或更高版本，有需要的读者可以先安装OpenCV。
主要内容：
● 教程第一部分分析为何在自然场景下进行文本检测的挑战性是如此之高。
● 接下来简要探讨EAST文本检测器，为何使用，算法新在何处，并附上相关论文供读者参考。
● 最后提供 Python + OpenCV文本检测实现方式，供读者在自己的应用中使用。
为何在自然场景下进行文本检测的挑战性是如此之高
由于光照条件、图片质量以及目标非线性排列等因素的限制，自然场景下的文本检测任务难度较大
受约束的受控环境中的文本检测任务通常可以使用基于启发式的方法来完成，比如利用梯度信息或文本通常被分成段落呈现，并且字符一般都是成直线排列等信息。
但自然场景下文本检测则不同，而且更具挑战性。
由于廉价数码相机和智能手机的普及，我们需要高度关注图像拍摄时的条件。Celine Mancas-Thillou和Bernard Gosselin在其2017年发表的优秀论文《自然场景文本理解》中描述了的自然场景文本检测面对的主要挑战：