使用 PyTesseract 读取数字

Question

我正在尝试从图像中读取数字，但无法找到使其始终如一地工作的方法（并非所有图像都有数字）。这些是图片：

（这里是相册的链接，以防图片失效）

这是我用来在图像上运行 tesseract 的命令：pytesseract.image_to_string(image, timeout=2, config='--psm 13 --oem 3 -c tessedit_char_whitelist=0123456789')。我尝试了多种配置，但这似乎效果最好。

就预处理而言，这是最好的：

    gray = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2GRAY)
    gray = cv2.bilateralFilter(gray, 11, 17, 17)
    im_bw = cv2.threshold(gray, thresh, 255, cv2.THRESH_BINARY_INV)[1]

这适用于除第三张以外的所有图像。为了解决第三张图像中的线条问题，我尝试使用 cv2.Canny 和一个相当大的阈值来获取边缘，但是当将它们拉回来时，即使它得到了超过 95%每个数字的边缘，tesseract 无法正确读取它们。

我也尝试过调整图像大小，使用 cv2.morphologyEx，模糊它等。我找不到一种方法让它适用于每种情况。

谢谢。

Answer 1

cv2.resize 一直为我使用 INTER_CUBIC 插值。

将最后一步添加到预处理很可能会解决您的问题。

im_bw_scaled = cv2.resize(im_bw, (0, 0), fx=4, fy=4, interpolation=cv2.INTER_CUBIC)

你可以玩弄天平。我已经使用了上面的“4”。

编辑：

以下代码非常适用于您的图像，甚至是特殊字符。请尝试使用您的其余数据集。缩放、OTSU 和侵蚀是最好的组合。

import cv2
import numpy
import pytesseract

pytesseract.pytesseract.tesseract_cmd = "<path to tesseract.exe>"

# Page segmentation mode, PSM was changed to 6 since each page is a single uniform text block.
custom_config = r'--psm 6 --oem 3 -c tessedit_char_whitelist=0123456789'

# load the image as grayscale
img = cv2.imread("5.png",cv2.IMREAD_GRAYSCALE)

# Change all pixels to black, if they aren't white already (since all characters were white)
img[img != 255] = 0

# Scale it 10x
scaled = cv2.resize(img, (0,0), fx=10, fy=10, interpolation = cv2.INTER_CUBIC)

# Retained your bilateral filter
filtered = cv2.bilateralFilter(scaled, 11, 17, 17)

# Thresholded OTSU method
thresh = cv2.threshold(filtered, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]

# Erode the image to bulk it up for tesseract
kernel = numpy.ones((5,5),numpy.uint8)
eroded = cv2.erode(thresh, kernel, iterations = 2)

pre_processed = eroded

# Feed the pre-processed image to tesseract and print the output.
ocr_text = pytesseract.image_to_string(pre_processed, config=custom_config)
if len(ocr_text) != 0:
    print(ocr_text)
else: print("No string detected")