如何使用 Tesseract 对图像进行 OCR

Question

我开始学习 OpenCV 和 Tesseract，但对于一个看似非常简单的示例却遇到了麻烦。

这是我正在尝试 OCR 的图像，上面写着“171 m”：

我做了一些预处理。由于蓝色是文本的主要颜色，我提取了蓝色通道并应用了简单的阈值。

img = cv2.imread('171_m.png')[y, x, 0]
_, thresh = cv2.threshold(img, 150, 255, cv2.THRESH_BINARY_INV)

生成的图像如下所示：

然后将其放入 Tesseract 中，psm 7 用于单行：

text = pytesseract.image_to_string(thresh, config='--psm 7')
print(text)
>>> lim

我也尝试限制可能的字符，它变得更好了一点，但并不完全。

text = pytesseract.image_to_string(thresh, config='--psm 7 -c tessedit_char_whitelist=1234567890m')
print(text)
>>> 17m

OpenCV v4.1.1.
Tesseract v5.0.0-alpha.20190708

任何帮助表示赞赏。

Answer 1

在将图像放入 Pytesseract 之前，预处理会有所帮助。所需文本应为黑色，而背景应为白色。这是一种方法

• 将图像转换为灰度并放大图像
• 高斯模糊
• 大津的门槛
• 反转图像

---

转换为灰度后，我们使用imutils.resize() 和高斯模糊放大图像。从这里我们Otsu的阈值得到二值图像

如果您有嘈杂的图像，另外一个步骤是使用形态学运算来平滑或去除噪声。但是由于您的图像足够干净，我们可以简单地反转图像以获得我们的结果

使用--psm 6从 Pytesseract 输出

171 米

import cv2
import pytesseract
import imutils

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

image = cv2.imread('1.png',0)
image = imutils.resize(image, width=400)
blur = cv2.GaussianBlur(image, (7,7), 0)
thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
result = 255 - thresh 

data = pytesseract.image_to_string(result, lang='eng',config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.waitKey()

Answer 2

免责声明：这不是解决方案，只是部分解决此问题的试验。

只有在您事先知道图像中存在的字符数时，此过程才有效。这是试用代码：

img0 = cv2.imread('171_m.png', 0)
adap_thresh = cv2.adaptiveThreshold(img0, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2)
text_adth = pytesseract.image_to_string(adap_thresh, config='--psm 7')

自适应阈值处理后，生成的图像是这样的：

Pytesseract 给出的输出为：

171 mi.

现在，如果您提前知道存在的字符数，您可以对 pytesseract 读取的字符串进行切片，并获得所需的输出为 '171m'。

Answer 3

我认为您的图像不够清晰，因此我应用了How do I increase the contrast of an image in Python OpenCV 中描述的过程来首先锐化您的图像，然后提取蓝色层并运行 tesseract。

我希望这会有所帮助。

import cv2
import pytesseract 

img = cv2.imread('test.png') #test.png is your original image
s = 128
img = cv2.resize(img, (s,int(s/2)), 0, 0, cv2.INTER_AREA)

def apply_brightness_contrast(input_img, brightness = 0, contrast = 0):

    if brightness != 0:
        if brightness > 0:
            shadow = brightness
            highlight = 255
        else:
            shadow = 0
            highlight = 255 + brightness
        alpha_b = (highlight - shadow)/255
        gamma_b = shadow

        buf = cv2.addWeighted(input_img, alpha_b, input_img, 0, gamma_b)
    else:
        buf = input_img.copy()

    if contrast != 0:
        f = 131*(contrast + 127)/(127*(131-contrast))
        alpha_c = f
        gamma_c = 127*(1-f)

        buf = cv2.addWeighted(buf, alpha_c, buf, 0, gamma_c)

    return buf

out = apply_brightness_contrast(img,0,64)

b, g, r = cv2.split(out) #spliting and using just the blue

pytesseract.image_to_string(255-b, config='--psm 7 -c tessedit_char_whitelist=1234567890m') # the 255-b here because the image has black backgorund and white numbers, 255-b switches the colors