如何准确地从图像中提取数据？使用侏儒

Question

我正在尝试使用python从图像中准确地提取文本。在

这是我在这个场景中使用的图像：

这是我的python文件：

from PIL import Image
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\Users\test\AppData\Roaming\Python\Python37\site-packages\tesseract.exe'

img=Image.open('C:/Users/test/Desktop/Everything else/work/Almonds.jpg')

text = pytesseract.image_to_string(img, lang = 'eng')


print(text)

这是我在命令提示符下运行python文件时的输出：

^{pr2}$

如你所见，并非所有的文本都拼写正确。是否有任何提高文本输出准确性的建议？在

额外

这是一个关于我要达到的目标的想法，与问题无关，但是给你一个我想要达到的目标的想法。在

我有多个产品的图像文件，我将在其中与excel表格进行比较。在

Excel表格的格式如下（1个示例数据）：

Product Code: 0001
Product Desc: Californian Whole Almonds
Ingredients: Almonds: [Nuts]
Allergy Advice: True
etc...

然后我将编写一个脚本来检测图像文件中的文本，将其与excel表进行比较，并分析每个部分是否匹配，给出“True”或“False”的输出

Answer 1

在将图像放入Pytesseract之前，对图像进行预处理以平滑/去除噪声会有所帮助。也许去除水平线/垂直线可以提高检测效果

import cv2

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

# Remove horizontal lines
horizontal_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (25,1))
detect_horizontal = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, horizontal_kernel, iterations=2)
cnts = cv2.findContours(detect_horizontal, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cv2.fillPoly(thresh, cnts, [0,0,0])

# Remove vertical lines
vertical_kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (1,45))
detect_vertical = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, vertical_kernel, iterations=2)
cnts = cv2.findContours(detect_vertical, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[0] if len(cnts) == 2 else cnts[1]
cv2.fillPoly(thresh, cnts, [0,0,0])

result = 255 - thresh

cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.waitKey()