如何使用 Pillow 和 pytesseract 裁剪图像？

Question

我试图使用pytesseract 来查找图像中每个字母的框位置。我尝试使用image，并使用 Pillow 对其进行裁剪，但效果很好，但是当我尝试使用较小字符大小的图像 (example) 时，程序可能会识别字符，但使用框坐标裁剪图像会给出我的图像像this。我还尝试将原始图像的大小加倍，但没有任何改变。

img = Image.open('imgtest.png')
data=pytesseract.image_to_boxes(img)
dati= data.splitlines()
corde=[]
for i in dati[0].split()[1:5]: #just trying with the first character
    corde.append(int(i))
im=img.crop(tuple(corde))
im.save('cimg.png')

Answer 1

如果我们坚持image_to_boxes的源代码，我们会看到，返回的坐标是这样的：

left bottom right top

从Image.crop 的文档中，我们看到，预期的坐标顺序是：

left upper right lower

现在看来，pytesseract 从下到上迭代图像。因此，我们还需要进一步转换top/upper和bottom/lower坐标。

那就是修改后的代码：

from PIL import Image
import pytesseract

img = Image.open('MJwQi9f.png')
data = pytesseract.image_to_boxes(img)
dati = data.splitlines()
corde = []
for i in dati[0].split()[1:5]:
    corde.append(int(i))
corde = tuple([corde[0], img.size[1]-corde[3], corde[2], img.size[1]-corde[1]])
im = img.crop(tuple(corde))
im.save('cimg.png')

你看，left 和 right 在同一个地方，但是 top/upper 和 bottom/lower 交换了位置，并且其中也改变了 w.r.t.图片高度。

而且，这是更新后的输出：

结果不是最佳的，但我认为这是字体的原因。

----------------------------------------
System information
----------------------------------------
Platform:      Windows-10-10.0.16299-SP0
Python:        3.9.1
Pillow:        8.1.0
pytesseract:   4.00.00alpha
----------------------------------------