使用 Tesseract 仅检测水平文本答案

【问题标题】：Detect only horizontal text with Tesseract使用 Tesseract 仅检测水平文本
【发布时间】：2020-12-26 14:20:37
【问题描述】：

我有一个带有一些水平和垂直文本的图像。我正在使用 tesseract OCR 检测文本。这是 tesseract 返回的数组

'text': ['', '', '', '', 'Some', 'other', 'text', 'horizontal', '', '', '', 'JEDIY9A', ']xO]', 'WOPUeI', 'BWOS', 'SI', 'SIUL']

如您所见，它只能正确检测水平文本。那么有没有办法强制 tesseract 只检测水平文本呢？所以稍后我会将图像旋转 90 度并再次传递图像以检测垂直文本（现在是水平的）。

或者有没有简单的解决办法？

【问题讨论】：

标签： python ocr tesseract python-tesseract

【解决方案1】：

阅读有关页面分割的信息，您将在那里。 psm 有一个有效值可以完全满足您的要求....

Page segmentation modes:
  0    Orientation and script detection (OSD) only.
  1    Automatic page segmentation with OSD.
  2    Automatic page segmentation, but no OSD, or OCR.
  3    Fully automatic page segmentation, but no OSD. (Default)
  4    Assume a single column of text of variable sizes.
  5    Assume a single uniform block of vertically aligned text.
  6    Assume a single uniform block of text.
  7    Treat the image as a single text line.
  8    Treat the image as a single word.
  9    Treat the image as a single word in a circle.
 10    Treat the image as a single character.
 11    Sparse text. Find as much text as possible in no particular order.
 12    Sparse text with OSD.
 13    Raw line. Treat the image as a single text line,
                        bypassing hacks that are Tesseract-specific.

试试 --psm 6 或 12

或者你可以试试这个答案，这是一个适合你的解决方案How do I detect vertical text with OpenCV for extraction

【讨论】：

如果您仍然遇到一些问题，请告诉我
对于 psm 6 和 12，它仍然返回检测到的文本数组，类似于我发布的问题。

【解决方案2】：

pytesseract 不是旋转不变的。因此，您需要进行额外的预处理才能读取垂直文本。

例如：将文本顺时针旋转 90 度。

img = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)

当你阅读时

print(pytesseract.image_to_string(gry).split("\n")[0])

结果：

This is some random text vertical

那么如何同时阅读这两个文本呢？

先阅读横排文字

import cv2
import pytesseract

img = cv2.imread("7IIrb.jpg")
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
txt = pytesseract.image_to_string(gry).split("\n")[0]
print(txt)

然后将图像顺时针旋转 90 度

gry = cv2.rotate(gry, cv2.ROTATE_90_CLOCKWISE)
txt = pytesseract.image_to_string(gry).split("\n")[0]
print(txt)

结果：

Some other text horizontal
This is some random text vertical

代码：

import cv2
import pytesseract

img = cv2.imread("7IIrb.jpg")
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
txt = pytesseract.image_to_string(gry).split("\n")[0]
print(txt)
gry = cv2.rotate(gry, cv2.ROTATE_90_CLOCKWISE)
txt = pytesseract.image_to_string(gry).split("\n")[0]
print(txt)

【讨论】：

但是如果你有几行文字的大图，这个方法会失败。
你试过了吗？还是你在做假设？
把它贴到问题上，让我看看
用这个image试试你的代码
没有解决 ocr 问题的通用模板。此图像与当前图像不同。因此，您必须修改代码并解决此问题。

【解决方案3】：

您可以考虑操纵页面分割模式。但是，不能保证它不会检测到文本的其余部分并错误地识别它。因此，我建议您使用 PSM 6 将图像作为块读取，并将输出作为数据帧返回，如下所示：

import pytesseract
from pytesseract import Output
df = pytesseract.image_to_data(image, output_type=Output.DATAFRAME, config='--psm 6')

查看输出时，您会发现文本的置信度得分和行号。您可以使用其中任何一个来设置阈值，然后根据需要从输出中重新创建一个列表，如下所示：

import pandas as pd
filter_text = df[df['conf'] == 90]
text_list = df['text'].tolist()

您还可以使用“左”列考虑文本之间的间距，以提高准确性。数据框总是有用的。你只需要充分利用它们。 :)

【讨论】：