python - 如何使用 Tesseract 对图像进行 OCR

Question

我开始学习 OpenCV 和 Tesseract，但在处理看似非常简单的示例时遇到了麻烦。

这是我尝试进行 OCR 的图像，上面写着“171 m”:

我做了一些预处理。由于蓝色是文本的主色，我提取蓝色 channel 并应用简单的阈值处理。

img = cv2.imread('171_m.png')[y, x, 0]
_, thresh = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY_INV)

生成的图像如下所示:

然后将其放入 Tesseract，单行使用 psm 7:

text = pytesseract.image_to_string(thresh, config='--psm 7')
print(text)
>>> lim

我也尝试限制可能的字符，它变得更好一些，但不完全是。

text = pytesseract.image_to_string(thresh, config='--psm 7 -c tessedit_char_whitelist=1234567890m')
print(text)
>>> 17m

OpenCV v4.1.1.
Tesseract v5.0.0-alpha.20190708

感谢任何帮助。

Answer 1

在将图像放入 Pytesseract 之前，预处理会有所帮助。所需的文本应为黑色，而背景应为白色。这是一个方法

• 将图像转换为灰度并放大图像
• 高斯模糊
• 大津的阈值
• 反转图像

---

转换为灰度后，我们使用 imutils.resize() 和高斯模糊来放大图像。从这里我们得到二值图像的 Otsu 阈值

如果您有嘈杂的图像，一个额外的步骤是使用形态学操作来平滑或消除噪声。但是因为你的图像足够干净，我们可以简单地反转图像来得到我们的结果

使用 --psm 6 从 Pytesseract 输出

171m

import cv2
import pytesseract
import imutils

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

image = cv2.imread('1.png',0)
image = imutils.resize(image, width=400)
blur = cv2.GaussianBlur(image, (7,7), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
result = 255 - thresh 

data = pytesseract.image_to_string(result, lang='eng',config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.waitKey()