用python和Tesseract实现光学字符识别(OCR)

正文

请到「今天看啥」查看全文

注意： pytesseract不提供真正的Python功能。相反，它只是为tesseract二进制文件提供一个接口。如果您查看GitHub上的源码，您将看到该库只是将图片写入磁盘上的临时文件，然后调用tesseract二进制文件并捕获结果输出。这绝对有点黑客，但是它为我们完成了这项工作。

我们来回顾一下从背景中分割前景文字的代码，然后利用我们刚刚安装的pytesseract

用Tesseract-OCR和python实现OCR

首先创建一个ocr.py文件：

2到6行是导入的包，image类用以从硬盘加载PIL格式的的图像。
9到14行是命令行参数，主要有以下两个：
--image: 传递给OCR系统图片的路径
--preprocess: 预处理方法。此项是可选的，对于本教程，可以接受两个值： thresh 或 blur 。
接下来，我们将加载图像，将其二进制化并将其写入磁盘。

首先， 从磁盘加载图像到内存，然后将其转换为灰度图。接下来，根据我们的命令行参数指定预处理方法，设置阈值。在这里您可以添加更多高级预处理方法（取决于您的OCR的具体应用），不过这超出了本文的范围。

行22-24上的if语句执行阈值，以便从背景分割前景。我们使用cv2.THRESH_BINARY和cv2.THRESH_OTSU标志来执行此操作。有关Otsu方法的详细信息，请参阅官方OpenCV文档中的“Otsu二进制”。

稍后我们将在结果中看到，这种阈值方法可用于读取覆盖在灰色形状上的深色文本，或者，可以应用模糊方法。 28-29行在--preprocess标志设置为blur。应用blur可以帮助减少噪声，使Tesseract更容易正确地识别OCR图像。在预处理图像后，根据Python脚本的进程ID用os.getpi导出临时图像文件名。在使用pytesseract进行OCR之前的最后一步是将预处理的图像（灰色）写入磁盘，并使用上面的文件名保存它

请到「今天看啥」查看全文