使用 OCR 的 pdf 中的黑屏编号

【问题标题】：Blackout number in pdf using OCR使用 OCR 的 pdf 中的黑屏编号
【发布时间】：2019-06-01 12:05:26
【问题描述】：

有3页扫描身份证的PDF。身份证复印件可以在我需要涂黑身份证号码的任何页面上（身份证号码格式 - 12位数字和两个空格，即xxxx xxxx xxxx）

请建议我如何实现这一目标

我尝试了微软计算机视觉 OCR 服务，但无法集成代码

需要自动化这个任务

找到输入和预期的输出文件 Input and Outputfile

【问题讨论】：

【解决方案1】：

我会定位 qrcode（python 有几个 zbar 包）和它下面的干净区域 - 尺寸可以通过 qr 代码大小计算...

【讨论】：

我无法找到 QR 码，因为它是 pdf 中的扫描图像，tesseract ocr 可以为我提供 pdf 中的文本坐标
能否tesseract可以给出文本元素的边界框或坐标
可以。您可以尝试从中提取衬里（我无法格式化代码：-（）： import pytesseract pytesseract.pytesseract.tesseract_cmd = r"/path/bin/tesseract" tessdata_dir_config = r'''--tessdata-dir "path /to/tessdata_best/tessdata"''' data = pytesseract.image_to_data(Image.open('test2.jpg'), lang='eng', config=tessdata_dir_config, output_type=pytesseract.Output.DICT)