从图像 PyTesseract 中读取数字答案

【问题标题】：Reading numbers from image PyTesseract从图像 PyTesseract 中读取数字
【发布时间】：2020-10-28 22:35:38
【问题描述】：

所以我正在尝试阅读图片中的文字，但遇到了一些问题。

图片：

我的代码：

import cv2
import pytesseract


def read_img():
    pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'
    return cv2.imread('Images/Image2.png')


def process_text(img):
    names = []
    data = pytesseract.image_to_data(img)
    for x, d in enumerate(data.splitlines()):
        if x != 0:
            d = d.split()
            if len(d) == 12:
                names.append(d[11])

    return names


img = read_img()
print(process_text(img))

结果：

['-', '©', '-', 'AceeZ.Rogue', 'a', '5540', 't', '3', '8', '&', '©', 'LeonGids.Rogue', 'a', 'seas', '8', '3', '8', 'e', 'ﬂ', 'karzheka.Rogue', 'a', '5151', '8', '2', '7', '48', '7', 'Q', 'ripz.Rogue', 'a', '5105', '8', '[', '5s', '27', 'm', 'korey.Rogue', 'a', '5105', '7', '2', '6', '36', '-', '[ZH]', 'Shaiiko.BDS', 'C', '3520', 'a', 'B', 's', '22', 'Cps', 'a', '2012', '8', 'i', '8', '21', 'ypc', 'Chee', 'e', '8', '-_', '22', '3', '(2)', 'Flemzje.BDS', 'a', '2420', 'a', '3', '10', '26', '(SF)', 'Renshiro.BDS', 'C', '2410', '6', '1', '8', 'Fo']

如您所见，这不是我希望的结果。这是我尝试过的；

分割图像

我已将图像一分为二，使其更集中在实际文本上：

img1的结果其实很完美：

['AceeZ.Rogue', 'LeonGids.Rogue', 'karzheka.Rogue', 'ripz.Rogue', 'korey.Rogue', 'Shaiiko.BDS', 'BriD.BDS', 'RaFaLe.BDS', 'Elemzje.BDS', 'Renshiro.BDS']

但是 img2 问题又出现了：

['5540', '5343', '5151', '5105', '5105', '3520', '29012', '2695', '2420', '2410', '11', '10']

看起来 tesseract 读取数字时出现问题，因为只有文本的 img1 没问题？我尝试提高文本的质量 (letsenhance.io) 并增加对比度：

这些方法都不起作用。

使用配置选项

我尝试过使用“--psm 6”和“outbase digits”等配置选项，但也没有解决问题。

我在此页面上看到可以使用指定字体进行训练 (https://stackoverflow.com/a/53763425/10503012)，但遗憾的是我不知道字体，https://www.myfonts.com/WhatTheFont/ 没有给我确切的字体，所以我假设那不是一个选项。

所以我的问题是；甚至可以从这张图片中提取文本/数字还是这是一个丢失的案例？我还能做些什么来改善 tesseract 给我的结果？我认为具有高对比度的图像应该可以工作，但显然不行。

感谢您的帮助。

【问题讨论】：

如果可以减少个位数之间的空格，Tesseract 应该能够检测到它们。我在项目的早期尝试过这种方法，它提高了检测效率。可以通过先做任何类型的阈值来减少空间（我更喜欢 Otsu），然后遍历图像并丢弃被黑色像素包围的像素值。（您可以采取适当的范围）
@Beginner 感谢您的回答。我用 cv2 尝试了一些东西，我能够访问单个像素。我的问题是；你怎么能“丢弃”像素？我目前可以更改它们的值，但我还没有找到从图像中实际删除/丢弃它们的方法。
图像以 NumPy 数组的形式存储。您可以创建一个所有像素值为 0 的新数组（基本上是黑色图像），尺寸将等于原始图像的尺寸。之后，您可以在原始图像（阈值之后）数组上运行一个循环，对于每个像素，检查它周围是否在一定范围内有一个白色像素（让我们保持范围为 25 像素）。如果在该范围内它周围没有白色像素，您可以简单地丢弃它。对于所有其他情况，您只需将原始像素值（将为 0 或 255）复制到黑色图像。
丢弃它意味着不复制它。对于前考虑一个数组 [1, 2, 3, 2, 4, 2, 5] 并且我想丢弃等于 2 的值，现在我们将创建一个新的空白数组 temp = [0, 0, 0, 0, 0, 0, 0]。变量计数被初始化为-1。所以每次我们遇到一个值 !=2 时，我们都会做 temp[++count] = value。否则，我们将根本不复制它，或者换句话说，丢弃它。最终的临时数组将是 temp = [1,3, 4, 5, 0, 0] 变量 count = 3。这样，我们有所需的大小 = 4(count+1)，所以我们可以切掉数组获得所需的数组[1,3,4,5]。希望你能理解。
很好的解释。非常感谢！

标签： python tesseract cv2 python-tesseract

【解决方案1】：

通常 Tesseract 喜欢白色背景上的黑色文本。所以你应该反转你的输入图像。您还应该考虑对图像进行阈值处理以使其成为黑白。最后，Tesseract 可以对每个字符的大小敏感。我发现在提供的比例下可以识别用户名，但我必须将图像缩放 1.25 才能显示数字。

import cv2
import pytesseract

img = cv2.imread('acerogue.png', cv2.IMREAD_GRAYSCALE)  

thresh = cv2.threshold(img, 100, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)[1]
thresh = cv2.resize(thresh, (0,0), fx=1.25, fy=1.25)  # scale image 1.25X

detected_text = pytesseract.image_to_string(thresh, config = '--psm 6')
print(detected_text)

给了

| ® AceeZ.Rogue 8 5540 11 2 8 -
© LeonGids.Rogue 8 5343 8 3 8 -

Ww karzheka.Rogue a 5151 8 2 7 48

7 tipz.Rogue a 5105 8 0 5 27
& korey.Rogue a 5105 7 2 6 36

| #4 Shaiiko.BDS B 3520 9 3 8 22
BriD.BDS mH 2912 8 1 8 21

S RaFaLe.BDS BH  —_2605 a 2 8 2

3 BS Elemzje.Bos H 2420 3 3 10 26
Se) Renshiro.BDS m 2410 6 1 8 45

您可能应该预先裁剪图像以去除图标。

【讨论】：