從掃描的影像中讀取文本

我正在嘗試使用 pytesseract 庫從掃描影像中讀取文本。這是

這就是我試圖閱讀它的方式。

import matplotlib.pyplot as plt
import pytesseract
import cv2

# load the original image
image = cv2.imread("Figure_1.png")
plt.figure(figsize=(10,10))
plt.imshow(image)
# convert the image to black and white for better OCR
ret,thresh1 = cv2.threshold(image,120,255,cv2.THRESH_BINARY)

# pytesseract image to string to get results
text = str(pytesseract.image_to_string(image, config='--psm 6'))
print (text)

我的腳本填充的輸出完全是垃圾。我正在嘗試閱讀名為“Objekt”的專欄。我錯過了什么？

Objekt
|
pe
eo
ee
eee

uj5u.com熱心網友回復：

您可能需要完成一些影像預處理并使用正確的psm選項呼叫 tesseract。影像預處理和 psm=3 后的結果：

Objekt
V1.1
V3.1
V5.1
V6.1
Sp.2
$.l6s1
9005
226
216
316
136
126
9015
1116
Tp(231221/A)
Tp(231301/0)
Tp(A/1)
Tp(1/3)
Tp(1/5)
Tp(3/011)
Tp(3/6)
To(D/6)
Tp(5/021)
Tp(5)
Tp(011/01)
Tp(6/0011)
Tp(021/02)
V2.1
V2.2
V2.3
V4.1
V4.2
9006
225
215
135
125
116
115
1125
1115
Tp(0011/0112)
Tp(01/4)
Tp(0112/4)
Tp(4/012)
Tp(02/022)
Tp(012/014)
Tp(022/2)
Tp(014/2)
Tp(2/B)
Tp(B/231231)

影像預處理步驟：

1. 我們有原始影像（周圍有大空白的表格）：

2. 使用一些自適應閾值操作對影像進行二值化：

3. 提取最大輪廓（以綠色突出顯示）：

4. 現在我們可以裁剪一個表格：

5. 二值化裁剪影像：

6. 用一些形態學操作檢測水平和垂直邊界

請參閱解釋其作業原理的本教程：

7. 從原始影像中減去檢測到的水平和垂直蒙版并再次應用閾值處理（最終結果）：

8. 呼叫pytesseract.image_to_string= psm3

3 = Fully automatic page segmentation, but no OSD. (Default)
...
6 = Assume a single uniform block of text.

您呼叫了，--psm 6但您沒有一個統一的文本塊，而是帶有邊框的復雜結構化檔案。因此，在這種情況下，演算法很難正確檢測文本塊并識別字符。

有關 psm 選項的更多資訊，請參閱檔案： https ://github.com/tesseract-ocr/tesseract/blob/main/doc/tesseract.1.asc#options

完整示例：

import pytesseract
import cv2
import numpy as np


original_image = cv2.imread("1.png", cv2.IMREAD_GRAYSCALE)

binary_image = cv2.threshold(original_image, 0, 255, cv2.THRESH_BINARY_INV   cv2.THRESH_OTSU)[1]

# Find table borders
contours, _ = cv2.findContours(binary_image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
largest_contour = max(contours, key=cv2.contourArea)
vimage = cv2.cvtColor(original_image, cv2.COLOR_GRAY2BGR)
vimage = cv2.drawContours(vimage, [largest_contour], 0, (0, 255, 0), 1)

x, y, w, h = cv2.boundingRect(largest_contour)
cropped_image = original_image[y : y   h, x : x   w]

# resize to width=600
scale_factor = 600.0 / cropped_image.shape[1]
cropped_image = cv2.resize(cropped_image, (0, 0), fx=scale_factor, fy=scale_factor, interpolation=cv2.INTER_LANCZOS4)

mask = cv2.threshold(cropped_image, 0, 255, cv2.THRESH_BINARY_INV   cv2.THRESH_OTSU)[1]

height, width = mask.shape[:2]
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (width // 2, 1))
horizontal_kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (width // 2, 3))
horizontal_mask = cv2.erode(mask, horizontal_kernel)
horizontal_mask = cv2.dilate(horizontal_mask, horizontal_kernel2, iterations=2)

vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1, height // 2))
vertical_kernel2 = cv2.getStructuringElement(cv2.MORPH_RECT, (3, height // 2))
vertical_mask = cv2.erode(mask, vertical_kernel)
vertical_mask = cv2.dilate(vertical_mask, vertical_kernel2, iterations=3)

hor_ver_mask = cv2.bitwise_or(horizontal_mask, vertical_mask)
cropped_image[np.nonzero(hor_ver_mask)] = 255

mask = cv2.threshold(cropped_image, 0, 255, cv2.THRESH_BINARY   cv2.THRESH_OTSU)[1]

text = pytesseract.image_to_string(mask, config="--psm 3").replace('\n\n', '\n')

print(text)

標籤：opencv 图像处理 ocr 正方体 python-正方体

上一篇：當使用matplotlib顯示時，OpenCV不會使用cv2.cvtColor使影像變灰

下一篇：亮度校正（預期校正）