Использовать pytesseract для распознавания текста из изображения

Question

Использовать pytesseract для распознавания текста из изображения

Мне нужно использовать pytesseract для извлечения текста из этой картинки:

и код:

from PIL import Image, ImageEnhance, ImageFilter
import pytesseract
path = 'pic.gif'
img = Image.open(path)
img = img.convert('RGBA')
pix = img.load()
for y in range(img.size[1]):
    for x in range(img.size[0]):
        if pix[x, y][0] < 102 or pix[x, y][1] < 102 or pix[x, y][2] < 102:
            pix[x, y] = (0, 0, 0, 255)
        else:
            pix[x, y] = (255, 255, 255, 255)
img.save('temp.jpg')
text = pytesseract.image_to_string(Image.open('temp.jpg'))
# os.remove('temp.jpg')
print(text)

и "temp.jpg" является

Неплохо, но результат печати ,2 WWНе правильный текст2HHHИтак, как я могу удалить эти черные точки?

53

python image image-processing ocr python-tesseract pytesser

Источник

user4548670 10 июн '16 в 10:08

7 ответов

Другие вопросы по тегам python image image-processing ocr python-tesseract pytesser

user11162165 11 фев '20 в 05:54 2020-02-11 05:54 · Answer 1 · 2020-02-11 05:54

Чтобы выполнить распознавание текста на изображении, важно предварительно обработать изображение. Вот простой подход с использованием OpenCV и Pytesseract OCR. Идея состоит в том, чтобы получить обработанное изображение, в котором текст для извлечения будет черным, а фон - белым. Для этого мы можем преобразовать в оттенки серого, применить небольшое размытие по Гауссу, а затем установить порог Оцу для получения двоичного изображения. Отсюда мы можем применять морфологические операции для удаления шума. Наконец, мы инвертируем изображение. Выполняем извлечение текста с помощью--psm 6вариант конфигурации, чтобы принять единый единый блок текста. Посмотрите здесь, чтобы узнать больше.

Вот визуализация каждого шага:

Входное изображение

Преобразовать в оттенки серого -> Размытие по Гауссу -> Порог Оцу

Обратите внимание на крошечные характеристики шума, чтобы удалить их, мы можем выполнить морфологические операции.

Наконец мы инвертируем изображение

Результат Pytesseract OCR

2HHH

Код

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Grayscale, Gaussian blur, Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Morph open to remove noise and invert image
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=1)
invert = 255 - opening

# Perform text extraction
data = pytesseract.image_to_string(invert, lang='eng', config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.imshow('invert', invert)
cv2.waitKey()

user4548670 10 июн '16 в 14:19 2016-06-10 14:19 · Answer 2 · 2016-06-10 14:19

Вот мое решение:

import pytesseract
from PIL import Image, ImageEnhance, ImageFilter

im = Image.open("temp.jpg") # the second one 
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
im.save('temp2.jpg')
text = pytesseract.image_to_string(Image.open('temp2.jpg'))
print(text)

39

Источник

user4548670 10 июн '16 в 14:19

user9279853 20 дек '18 в 12:01 2018-12-20 12:01 · Answer 3 · 2018-12-20 12:01

У меня есть другой подход к нашему сообществу. Вот мой подход

import pytesseract
from PIL import Image
text = pytesseract.image_to_string(Image.open("temp.jpg"), lang='eng',
                        config='--psm 10 --oem 3 -c tessedit_char_whitelist=0123456789')

print(text)

9

Источник

user9279853 20 дек '18 в 12:01

user9189799 13 дек '18 в 22:00 2018-12-13 22:00 · Answer 4 · 2018-12-13 22:00

Чтобы извлечь текст непосредственно из Интернета, вы можете попробовать следующую реализацию (making use of the first image):

import io
import requests
import pytesseract
from PIL import Image, ImageFilter, ImageEnhance

response = requests.get('https://stackru.com/images/bb55e1326719a1af90083cb6473a9fe857077a78.gif')
img = Image.open(io.BytesIO(response.content))
img = img.convert('L')
img = img.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(img)
img = enhancer.enhance(2)
img = img.convert('1')
img.save('image.jpg')
imagetext = pytesseract.image_to_string(img)
print(imagetext)

user5081918 14 июн '18 в 07:41 2018-06-14 07:41 · Answer 5 · 2018-06-14 07:41

Вот мое небольшое улучшение в устранении шума и произвольной линии в пределах определенного цветового частотного диапазона.

import pytesseract
from PIL import Image, ImageEnhance, ImageFilter

im = Image.open(img)  # img is the path of the image 
im = im.convert("RGBA")
newimdata = []
datas = im.getdata()

for item in datas:
    if item[0] < 112 or item[1] < 112 or item[2] < 112:
        newimdata.append(item)
    else:
        newimdata.append((255, 255, 255))
im.putdata(newimdata)

im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
im.save('temp2.jpg')
text = pytesseract.image_to_string(Image.open('temp2.jpg'),config='-c tessedit_char_whitelist=0123456789abcdefghijklmnopqrstuvwxyz -psm 6', lang='eng')
print(text)

user1739053 28 июл '19 в 11:22 2019-07-28 11:22 · Answer 6 · 2019-07-28 11:22

Вам нужно только увеличить размер картинки cv2.resize

image = cv2.resize(image,(0,0),fx=7,fy=7)

моя картинка 200х40 -> HZUBS

изменил ту же картинку 1400x300 -> A 1234 (так что это правильно)

а потом,

retval, image = cv2.threshold(image,200,255, cv2.THRESH_BINARY)
image = cv2.GaussianBlur(image,(11,11),0)
image = cv2.medianBlur(image,9)

и измените параметры для улучшения результатов

Page segmentation modes:
  0    Orientation and script detection (OSD) only.
  1    Automatic page segmentation with OSD.
  2    Automatic page segmentation, but no OSD, or OCR.
  3    Fully automatic page segmentation, but no OSD. (Default)
  4    Assume a single column of text of variable sizes.
  5    Assume a single uniform block of vertically aligned text.
  6    Assume a single uniform block of text.
  7    Treat the image as a single text line.
  8    Treat the image as a single word.
  9    Treat the image as a single word in a circle.
 10    Treat the image as a single character.
 11    Sparse text. Find as much text as possible in no particular order.
 12    Sparse text with OSD.
 13    Raw line. Treat the image as a single text line,
            bypassing hacks that are Tesseract-specific.

user13542628 13 дек '21 в 11:13 2021-12-13 11:13 · Answer 7 · 2021-12-13 11:13

      from PIL import Image, ImageEnhance, ImageFilter
import pytesseract
path = 'hhh.gif'
img = Image.open(path)
img = img.convert('RGBA')
pix = img.load()
for y in range(img.size[1]):
    for x in range(img.size[0]):
        if pix[x, y][0] < 102 or pix[x, y][1] < 102 or pix[x, y][2] < 102:
            pix[x, y] = (0, 0, 0, 255)
        else:
            pix[x, y] = (255, 255, 255, 255)
text = pytesseract.image_to_string(Image.open('hhh.gif'))
print(text)

1

Источник

user13542628 13 дек '21 в 11:13