我正在尝试使用 pytesseract 检测价格。
但是我的结果非常糟糕。
我有一张大图片,其中包含不同地点的多个价格。 这些位置是不变的,因此我裁剪图像并将每个区域保存为新图像,然后尝试检测文本。
我知道文本只会包含 0123456789$¢。
我使用 trainyourtesseract.com 训练了我的新字体。
例如,我拍摄了这张图片。
将其大小加倍,并设置阈值以获得此值。
通过 tesseract 运行它并获得输出 8
。
如有任何帮助,我们将不胜感激。
def getnumber(self, img):
grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh, grey = cv2.threshold(grey, 50, 255, cv2.THRESH_BINARY_INV)
filename = "{}.png".format(os.getpid())
cv2.imwrite(filename, grey)
text = pytesseract.image_to_string(Image.open(filename), lang='Droid',
config='--psm 13 --oem 3 -c tessedit_char_whitelist=0123456789.$¢')
os.remove(filename)
return(text)
最佳答案
你走在正确的道路上。在对图像进行 OCR 预处理时,您希望文本为黑色,背景为白色。这个想法是放大图像(Otsu 的阈值)以获得二值图像,然后执行 OCR。我们使用 --psm 6
告诉 Pytesseract 假设一个统一的文本 block 。看here了解更多配置选项。这是处理后的图像:
OCR 结果:
2¢
代码
import cv2
import pytesseract
import imutils
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
# Resize, grayscale, Otsu's threshold
image = cv2.imread('1.png')
image = imutils.resize(image, width=500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
# Perform text extraction
data = pytesseract.image_to_string(thresh, lang='eng',config='--psm 6')
print(data)
cv2.imshow('thresh', thresh)
cv2.imwrite('thresh.png', thresh)
cv2.waitKey()
机器规范:
Windows 10
opencv-python==4.2.0.32
pytesseract==0.2.7
numpy==1.14.5
关于python - 使用自定义字体的 Pytesseract 错误地对数字进行分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60160206/