Pytesseract 太慢了。如何让它更快地处理图像？答案

【问题标题】：Pytesseract is too slow. How can I make it process images faster?Pytesseract 太慢了。如何让它更快地处理图像？
【发布时间】：2018-08-29 06:08:02
【问题描述】：

我在下面的代码中使用 pytesseract：

    def fnd():
    for fname in list:
        x = None
        x = np.array([np.array(PIL.Image.open(fname))])
        print x.size
        for im in x:
                     txt = pytesseract.image_to_string(image=im).encode('utf-8').strip()
                     open("Output.txt","a+").write(txt)
                     with open("Output.txt") as openfile:                        
                         for line in openfile:
                             for part in line.split():
                                 if "cyber" in part.lower():
                                     print(line)
                                     return

该列表包含文件夹中的图像名称（2408*3506 和 300 res 灰度）。不幸的是，大约 35 张图像的总处理时间约为 1400-1500 秒。

有什么方法可以减少处理时间？

【问题讨论】：

也许你可以试试多线程，here。我认为您的图像正在按顺序处理（一个接一个）。所以并行运行它们可能会节省一些时间。
我可以试试......但是@VineethSai 即使我在这段代码中放了一张图片，也需要大约 30-50 秒来处理。
您正在尝试从图像中查找字符对吗？，也许您可以使用 PIL 库在将图像传递到 tesseract 之前降低图像的分辨率。也许 2408*3506 & 300 res Gray-scaled tesseract 不需要这么大的分辨率来识别字符。
因此降低分辨率并结合并行处理可能会大大减少时间。
@VineethSai ...这是我脑海中的第一个想法。我也尝试使用 100 和 200 的分辨率，但在这种情况下输出质量会受到影响。我只能在分辨率为 300 的情况下获得正确的输出。但是，将颜色更改为灰度减少了时间并提高了准确性。

标签： python ocr tesseract python-tesseract

【解决方案1】：

Pytesseract 会写入和读取您传递的每个图像。运行 35 个图像时，这是不必要的。相反，您应该使用python tesseract API interface。这将明显更快。

【讨论】：