【发布时间】：2019-10-11 01:31:42
【问题描述】：
我正在使用 pytesseract 解析从浏览器屏幕截图中提取的数字。这是我第一次使用 OCR，如果我用错了方法，请纠正我。我在看起来很容易解释的图像上获得非常低的准确性。有时我得到空字符串；很少我也会得到错误的数字。
在其他地方，人们建议过滤和放大图像。我这样做了，它变得更好了，从几乎 0 到 50% 左右的准确度，但这仍然很差。我正在制作硒提取的屏幕截图；下面报告了一些代码。对不起，如果它很乱，我包括了图像加载和处理部分来展示我在做什么，但不想泄露我正在加载的页面。
这是一张图片，我展示了图片处理后的样子，以及解析并转换为浮点数的结果。
from selenium import webdriver
from PIL import Image
import pytesseract, cv2, time, numpy as np
# load the page, enlarge, save as png, load as usable image
driver.get("https://a-page-I-wont-tell-you-sorry")
time.sleep(5) # wait for loading
driver.execute_script('document.body.style.MozTransform = "scale(1.50)";') # enlarge
enlarged_screenshot = driver.get_screenshot_as_png()
file = open("enlarged_screenshot.png", "wb")
file.write(enlarged_screenshot)
file.close()
enlarged_screenshot = Image.open("enlarged_screenshot.png")
# method for cropping and filtering
def crop_and_filter(image, coordinates, filter_level):
width, height = image.size
x0, y0, x1, y1 = coordinates
cropped_image = image.crop((width*x0, height*y0, width*x1, height*y1))
image_l = cropped_image.convert("L")
image_array = np.array(image_l)
_, filtered_image_array = cv2.threshold(image_array, filter_level, 255, cv2.THRESH_BINARY)
print("*"*100); print("Filtered image:")
display(Image.fromarray(filtered_image_array))
return filtered_image_array
# example of how I call and parse it
x0 = 0.51; y0 = 0.43; delta_x = 0.05; delta_y = 0.025
filtered_image_array = crop_and_filter(enlarged_screenshot, (x0, y0, x0+delta_x, y0+delta_y), 125, True)
number = pytesseract.image_to_string(filtered_image_array, config="-c tessedit_char_whitelist=0123456789.\t%")
【问题讨论】：
-
如果没有特定的输入图像，真的很难诊断——否则你只会邀请一般的 cmets，例如“做一些预处理”。即使不是真实的，您能否提供示例图像？这也是帮助您弄清楚发生了什么/错误的好方法。 FWIW：我想知道您的 open/imread 是否正在破坏 png。另外，你需要 PIL 和 OpenCV 吗？您如何量化/测量定义的准确性？
-
感谢您的回答。上面的链接中有一张带有 8 张后期处理图像的图像，我认为这很有用。今晚晚些时候我会放一个原始图片的链接。直到 2 天前我才听说过 PIL、openCV 和 tesseract，我只是从网上复制了 sn-ps，随时告诉我这样做的明智方法是什么:)。在量化准确性方面，我运行了大约 20 个数字并得到了大约 10 个正确读数，所以我说大约 50%。不管是 40% 还是 60% 对我来说并没有太大的区别，我至少需要 90%。
-
啊，好吧 - 一开始我以为那是你的图片，所以我进行了测试并得到了不错的结果，但后来我认为实际上你的图片是 of 结果，所以我解开了一切。只要告诉我你想如何测量准确性（例如，你能发布一个真实的文本文件吗？）我会发布一个答案（对于 Tesseract 而不是 pytesseract - 除非你坚持后者？）
-
谢谢，什么是基本事实文本文件？你能给我一些关于使用 tesseract 而不是 pytesseract 的说明吗？此代码将成为正在运行的 python 脚本的一部分。 （今晚我会发布你要求的任何内容，因为在那之前我无法访问我的电脑）
-
看看pastebin.com/i6W9k9Nv——这就是我得到的输出——够好吗？
标签： tesseract python-tesseract