使用 pytesseract 从图像中获取文本答案

【问题标题】：Using pytesseract to get text from an image使用 pytesseract 从图像中获取文本
【发布时间】：2021-09-16 19:35:12
【问题描述】：

我正在尝试使用 pytesseract 将一些图像转换为文本。这些图像非常基本，我尝试使用一些预处理：

gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.bitwise_not(gray)
gray = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

原图如下：

生成的图像如下所示：

我在同一位置对一堆具有相同字体的数字执行此操作，结果如下：

它仍然没有在输出中给出任何文本。对于一些图像，它确实如此，但不是所有图像看起来几乎相同。

这是我正在使用的代码的 sn-p：

def checkCurrentState():
    """image = pyautogui.screenshot()
    image = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
    cv2.imwrite("screenshot.png", image)"""

    image = cv2.imread("screenshot.png")

    checkNumbers(image)



def checkNumbers(image):
    numbers = []
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    gray = cv2.bitwise_not(gray)
    gray = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]


    for i in storeLocations:
        cropped = gray[i[1]:i[1]+storeHeight, i[0]:i[0]+storeWidth]
        number = pytesseract.image_to_string(cropped)
        numbers.append(number)
        print(number)
        cv2.imshow("Screenshot", cropped)
        cv2.waitKey(0)

【问题讨论】：

试试THRESH_BINARY_INV。报告结果。
涉及图片处理的问题，还应提供原图。
@ChristophRackwitz 我试过它给出了相同数量的正确结果（见编辑）。
@bfris 查看编辑
删除bitwise_not。那是在那里使用的错误。此时您的数据是灰度的，而不是二进制的。 bitwise_not 将 mangle 值，而不是反转它们。删除它。

标签： python image opencv image-processing python-tesseract

【解决方案1】：

要对图像执行 OCR，对图像进行预处理很重要。这个想法是获得一个处理过的图像，其中要提取的文本是黑色的，背景是白色的。这是一个使用 OpenCV 和 Pytesseract OCR 的简单方法。

为此，我们转换为灰度，应用轻微的Gaussian blur，然后Otsu's threshold 以获得二值图像。从这里，我们可以应用morphological operations 来消除噪音。我们使用--psm 6 配置选项执行文本提取，以假设单个统一的文本块。查看here 了解更多选项。

这是每个步骤的可视化：

输入图像

转为灰度->高斯模糊

Otsu 的阈值-> Morph 打开以去除噪音

Pytesseract OCR 的结果

代码

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Grayscale, Gaussian blur, Otsu's threshold
image = cv2.imread('1.png')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blur = cv2.GaussianBlur(gray, (3,3), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Morph open to remove noise
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3,3))
opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel, iterations=1)

# Perform text extraction
data = pytesseract.image_to_string(opening, lang='eng', config='--psm 6')
print(data)

cv2.imshow('blur', blur)
cv2.imshow('thresh', thresh)
cv2.imshow('opening', opening)
cv2.waitKey()

【讨论】：