使用PyteSeract python模块识别图像中的文本时出现的问题

Question

我附上了一个300 DPI的图像。我正在使用下面的代码来提取文本，但没有得到任何文本。有人知道这个问题吗

finalImg = Image.open('withdpi.jpg')text = pytesseract.image_to_string(finalImg)

image to extract text from

Answer 1

让我们观察一下你的代码在做什么

---

• 我们需要看到文本的哪一部分被本地化和检测

• 为了理解代码行为，我们将使用image_to_data函数

• image_to_data将显示检测到的图像部分

• # Open the image and convert it to the gray-scale
  finalImg = Image.open('hP5Pt.jpg').convert('L')
  
  # Initialize ImageDraw class for displaying the detected rectangle in the image
  finalImgDraw = ImageDraw.Draw(finalImg)
  
  # OCR detection
  d = pytesseract.image_to_data(finalImg, output_type=pytesseract.Output.DICT)
  
  # Get ROI part from the detection
  n_boxes = len(d['level'])
  
  # For each detected part
  for i in range(n_boxes):
  
      # Get the localized region
      (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
  
      # Initialize shape for displaying the current localized region
      shape = [(x, y), (w, h)]
  
      # Draw the region
      finalImgDraw.rectangle(shape, outline="red")
  
      # Display
      finalImg.show()
  
      # OCR "psm 6: Assume a single uniform block of text."
      txt = pytesseract.image_to_string(cropped, config=" psm 6")
  
      # Result
      print(txt)
  

结果:

• i
  I
  

“```”

• 

• 因此，结果是图像本身显示未检测到任何内容。代码不起作用。输出不显示所需的结果

• 可能有各种原因

• 以下是输入图像的一些事实：

  • 二值图像

  • 大矩形工件

  • 文本有点夸张

---

• 如果不进行测试，我们无法知道图像是否需要pre-processing

• 我们确信这个黑色的大矩形是一件艺术品。我们需要移除工件。一种解决方案是选择图像的一部分

• 为了选择图像的一部分，我们需要使用^{}和一些尝试和错误来找到roi

  • 如果我们把图像按高度分成两部分。我们不希望另一个工件包含一半

  • 乍一看，我们想要（0->；height/2）。如果使用这些值，您可以看到确切的文本位置在（height/6->；height/4）之间

• 结果将是：

• $1,582
  

• 

• 代码：

---

• # Open the image and convert it to the gray-scale
  finalImg = Image.open('hP5Pt.jpg').convert('L')
  
  # Get height and width of the image
  w, h = finalImg.size
  
  # Get part of the desired text
  finalImg = finalImg.crop((0, int(h/6), w, int(h/4)))
  
  # Initialize ImageDraw class for displaying the detected rectangle in the image
  finalImgDraw = ImageDraw.Draw(finalImg)
  
  # OCR detection
  d = pytesseract.image_to_data(finalImg, output_type=pytesseract.Output.DICT)
  
  # Get ROI part from the detection
  n_boxes = len(d['level'])
  
  # For each detected part
  for i in range(n_boxes):
  
      # Get the localized region
      (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
  
      # Initialize shape for displaying the current localized region
      shape = [(x, y), (w, h)]
  
      # Draw the region
      finalImgDraw.rectangle(shape, outline="red")
  
      # Display
      finalImg.show()
  
      # OCR "psm 6: Assume a single uniform block of text."
      txt = pytesseract.image_to_string(cropped, config=" psm 6")
  
      # Result
      print(txt)
  
  

如果无法获得与我相同的解决方案，则需要使用以下方法检查PyteSeract版本：

print(pytesseract.get_tesseract_version())

对我来说，结果是4.1.1