使用 tesseract 将图像转换为文本

Question

我想从这张图片中提取数字。

我已经使用 opencv 使用此代码 sn-p 预处理图像

def inverte(imagem):
    imagem = (255-imagem)
    return imagem

import cv2
image = cv2.imread('5.jpg', 0)
print(image)
thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]
thresh=inverte(thresh)

这段代码的输出是这样的

之后，我使用 tesseract 使用此代码从该图像中获取文本

import pytesseract
image=cv2.imread("output.png")
rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
custom_config = r'--psm 13 --oem 1 -c tessedit_char_whitelist=0123456789'
results = pytesseract.image_to_string(rgb,lang='eng',config=custom_config)
print(results)

我已经尝试了所有有效的 psm 值和 oem 值，但没有给出正确的结果

Answer 1

你需要知道以下几点：

• Image-thresholding

• Improving the quality of the output

你已经知道page-segmentation-modes，所以我不需要推荐它。

识别文本的一种方法是对图像应用阈值。你有三个选择

• Simple-threshold

• Adaptive-threshold

• Threshold using cv2.inRange

您已经应用了简单阈值并且无法获得所需的结果。接下来你可以申请adaptive-threshold，这将是：

现在，如果您使用当前配置阅读它：

607

很遗憾，数字 9 无法识别。

如果我们尝试inRange 阈值：

现在，如果您使用当前配置阅读它：

607

代码：

import cv2
import numpy as np
import pytesseract

# Load the image
img = cv2.imread("EkXoW.jpg")

# Convert to the gray-scale
gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# Convert to the HSV color
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Adaptive-threshold
thr = cv2.adaptiveThreshold(gry, 255,
                            cv2.ADAPTIVE_THRESH_MEAN_C,
                            cv2.THRESH_BINARY, 13, 10)

# Threshold-in-range
thr_in_range = cv2.inRange(hsv,
                           np.array([0, 0, 0]),
                           np.array([179, 255, 185]))

# OCR
print("Threshold-in-range result")
print(pytesseract.image_to_string(thr_in_range,
                                  config="--psm 13 --oem 1 -c tessedit_char_whitelist=0123456789"))

print("Adaptive threshold result")
print(pytesseract.image_to_string(thr,
                                  config="--psm 13 --oem 1 -c tessedit_char_whitelist=0123456789"))

# Display
cv2.imshow("Threshold-in-range result", thr_in_range)
cv2.imshow("Adaptive threshold result", thr)
cv2.waitKey(0)

你可以在0.3.7得到同样的结果

这个答案更像是一个关于文本识别中图像处理的小教程，而不是一个完整的答案。原因是无法识别数字九。不过，我认为解释中包含简短的信息和有用的链接，可能会鼓励您识别数字九。