Python图像到包含在五边形pytesseract中的文本

Question

我正在尝试使用python准备EPC证书中的能效等级。EPC证书通常采用PDF格式。我已经将PDF转换为图像，并使用PyteSeract从图像中获取文本。然而，我没有得到预期的结果

示例图像：

预期产出： 电流额定值：79，潜在额定值：79

到目前为止，我所尝试的：

from pdf2image import convert_from_path
import pytesseract
from PIL import Image

pages = convert_from_path(r'my_file.pdf', 500)
img =pages[0].save(r'F:\Freelancer\EPC rating\fwdepcs\out.jpg', 'JPEG')
text = pytesseract.image_to_string(Image.open(r'F:\Freelancer\EPC rating\fwdepcs\out.jpg'))

然而，文本并不能捕获79

我还尝试了cv2模式匹配和形状检测，但由于其他原因，这些都不起作用

Answer 1

您说您已将此pdf转换为图像文件

使用PIL（.crop（））或opencv裁剪图片。并按如下方式进行裁剪：

使用PILImage.convert("1")，也许tesseract可以捕捉到这个数字。 如果没有，我认为您可以使用jTessBoxEditor来培训tesseract