Python OCR：将扫描的图像转换为文本进行处理

Question

我正在尝试创建一个答卷标记（多项选择题）python 应用程序。答题卡会被扫描成图片文件（gif,png,jpg，需要的格式都可以）。

我的应用可以访问存储所有答案的数据库。

所以，它所需要的只是扫描图像中的某种数据，以便它可以比较答案并计算分数。

答题卡具有固定尺寸，表格格式如下（考生将用“X”标记答案以表明他们的答案）：

通过互联网搜索后，我发现有一些 OCR API 可用。

第一个是 Pytesser 。它非常易于使用，结果还不错。但它只适用于纯文本的图像。所以，我觉得不合适。

我找到的第二个是Ocropus。它看起来很强大，但在它的文档中

窗户

OCRopus 在很大程度上依赖于 POSIX 路径名和文件系统。 您可以使用 .更简单的方法 就是在VirtualBox下的Ubuntu中安装VirtualBox并运行OCRopus。

所以我认为它主要用于 linux。我找不到窗口平台的详细安装指南。 （我是初学者，所以我可能错了）

我找到的第三个是 python-tesseract ，它是 Tesseract OCR 的包装器。在他们的page 中，提供了安装指南。基本上，我需要，

1. python-tesseract-win32.deb
2. python-opencv
3. numpy

但我不知道如何在窗口上安装.deb 文件。我已经安装了opencv 和nampy。

以下是我的问题：

(1) 我可以通过哪种方式将表格图像转换为可处理的数据（甚至可能吗？）？

(2) 是否还有其他有用的 OCR API 我没有在此处提及但可能会有所帮助？

(3) 最后，（我的愚蠢想法）是否可以使用PIL 将图像分成小块（基于表格单元格的大小 - 因为表格尺寸是已知的）然后使用pytesser将每个小图像转换为文本，然后对数据进行相应的处理？

仅供参考：我只需要它用于 Windows 平台，可能用于 windows xp 32 位。我正在使用 python 2.7.5。

Answer 1

答案与您的数字相对应

1) OCR 通常非常困难，但是（对您来说是个好消息）对于考试成绩处理，我认为它几乎是一个已解决的问题。在这种情况下，有针对此类问题的经过尝试和真正的解决方案。多年来，学校系统一直在这样做以自动对“scantron”测试进行评分，因此，如果您可以访问此类资源，那么走这条路可能是您最好的选择。至少你应该检查他们是如何做到的

2) 我相信还有其他的，但这些是我所知道的主要免费的

3)a 我认为，如果您尝试在预算范围内执行此操作并且时间问题不大，那么您的“愚蠢”想法实际上一点也不愚蠢。这可能是最好的方法，而且 scantron 测试分级员很可能使用类似的方法。您知道测试表格的确切尺寸。您可以知道查看位置的直接像素映射。你可以很容易地使用 pytesser。请记住，pytesser 有时需要您调整图像大小（有时向上，有时向下）以获得最佳精度。

3)b 您可能需要考虑推出自己的解决方案。您可以使用形态学操作的概念（numpy 和其他图像库几乎可以立即执行此操作）。您甚至可能不需要这些运算符，只需对表格行进行二进制阈值（假设您已经将图像切割成表格行）并简单地查找 blob 并将分数标记为来自具有最多 blob 值的列。