从图像中提取特定文本相关值答案

【问题标题】：Extracting particular text associated value from an image从图像中提取特定文本相关值
【发布时间】：2019-06-30 18:38:13
【问题描述】：

我有一张图片，我想从图片中提取键值对的详细信息。

例如，我想提取“MASTER-AIRWAYBILL NO:”的值

我已经使用 python opencv 和 OCR 从图像中提取整个文本，但我不知道如何从图像的整个结果文本中仅提取“MASTER-AIRWAYBILL NO:”的值.

请查找代码：

import cv2
import numpy as np
import pytesseract
from PIL import Image
print ("Hello")
src_path = "C:\\Users\Venkatraman.R\Desktop\\alpha_bill.jpg"
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"


print (src_path)


# Read image with opencv
img = cv2.imread(src_path)

# Convert to gray
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Apply dilation and erosion to remove some noise
kernel = np.ones((1, 1), np.uint8)
img = cv2.dilate(img, kernel, iterations=1)
img = cv2.erode(img, kernel, iterations=1)

# Write image after removed noise
cv2.imwrite(src_path + "removed_noise.png", img)

#  Apply threshold to get image with only black and white
#img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 31, 2)

# Write the image after apply opencv to do some ...
cv2.imwrite(src_path + "thres.png", img)

# Recognize text with tesseract for python
result = pytesseract.image_to_string(Image.open(src_path + "thres.png"))


# Remove template file
#os.remove(temp)


print ('--- Start recognize text from image ---')
print (result)

所以输出应该是这样的：

MASTER-AIRWAYBILL NO：157-46637194

【问题讨论】：

标签： python opencv ocr

【解决方案1】：

您可以使用pytesseract image_to_string() 和regex 来提取所需的文本，即：

from PIL import Image
import pytesseract, re
f = "ocr.jpg"
t = pytesseract.image_to_string(Image.open(f))
m = re.findall(r"MASTER-AIRWAYBILL NO: [\d—-]+", t)
if m:
    print(m[0])

输出：

MASTER-AIRWAYBILL NO: 157—46637194

【讨论】：

输出打印为空
像往常一样，我测试了答案的代码（python 3.6），它按预期工作。我使用的图像文件与您的问题相同：i.stack.imgur.com/RKebi.jpg。想评论否决的投票？
即使使用相同，我通过打印它正在打印的 t 进行检查，但它没有打印 m 的值
我用最新版的pytesseract 换成了py3.6。如果您不使用它，请更新它。我看不出您的结果与我的结果不同的任何其他原因。
我用的是3.7.1版本的python

【解决方案2】：

我正在使用 python 2.7，我也想从图像中找到供应商名称我该怎么找？

m = re.findall(r"MASTER-AIRWAYBILL NO: [\d—-]+", t) 对于上面的行，它的显示错误

如果我使用 m=re.findall(r'Vendor Name:[\d--]+', t) 那么它也会显示错误

【讨论】：

欢迎来到 SO，如果您遇到问题，请发布一个新问题，这不会为 OP 提供答案。一旦你有足够的声望，你就可以在 OP 中添加评论。

【解决方案3】：

你可以在安装tesseract后试试这个。

from PIL import Image
import pytesseract, re
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
t = pytesseract.image_to_string(Image.open("path"))
m = re.findall(r"Invoice No. [\d—-]+", t)
if m:
    print(m[0])

【讨论】：