使用 pytesseract 查找表区域答案

【问题标题】：Finding table regions with pytesseract使用 pytesseract 查找表区域
【发布时间】：2018-12-15 05:10:02
【问题描述】：

我目前正在使用 Windows 7、Python 3.6 和 pytesseract 处理扫描图像。图像包含文本和表格区域 - 它看起来有点像这样：https://tex.stackexchange.com/questions/49300/wrap-text-around-a-tabular。

我想获取表格区域的坐标，以便将图像裁剪到该部分。显然，tesseract 定义了具有不同属性的区域（PolyBlockTypes 参见https://tesseract.patagames.com/help/html/T_Patagames_Ocr_Enums_PolyBlockType.htm） - 但我不知道如何使用 pytesseract 获取该信息。

谁能帮帮我？我想通过使用 pytesseract 或其他 python 函数来解决这个问题。

编辑：我目前的做法是

pytesseract.image_to_data(image='< ... >', config='-c gapmap_debug=1')

虽然配置 gapmap_debug=1 似乎没有任何效果......至少我没有得到输出。我错过了什么吗？更多配置选项请见http://www.sk-spell.sk.cx/tesseract-ocr-parameters-in-302-version

【问题讨论】：

How to detect tables in images using tesseract 4.0 or using pytesseract?的可能重复

标签： python image-processing python-tesseract

【解决方案1】：

尝试下面的代码，识别电话号码（置信度>70），例如phone number img 来自img数据并保存到一个特殊文件夹

data = pytesseract.image_to_data(image, lang='eng', config='outputbase digits', output_type = pytesseract.Output.DICT)
    text = data['text']
    confidence = data['conf'][len(text)-1]
    phone_number = data['text'][len(text)-1]
    print(image.filename, "  confidence" , confidence , "  phone_number" , phone_number)
    if confidence>=70 and len(phone_number.strip())> 10:
        changeFileName = image.filename
        newName = image.filename[0:len(image.filename)-5] + phone_number +".jpg";
        newFileName = os.path.basename(newName) 
        image.save('./recognize/'+newFileName, 'JPEG')
        os.remove(image.filename) 
        print( "old" + changeFileName +"\nnew"+ newName)

【讨论】：