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。
最佳答案
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()
关于python - 如何使用 Tesseract 对图像进行 OCR,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58103337/