python识别图像并提取文字的实现方法


Posted in Python onJune 28, 2019

前言

python图像识别一般基础到的就是tesseract了,在爬虫中处理验证码广泛使用。

安装

安装教程网上大都差不多,Windows下确实比较麻烦,涉及到各种路径、环境变量甚至与linux不同的路径分隔符,所以这里的安装是基于Centos7。

1. 依赖安装

yum install -y automake autoconf libtool gcc gcc-c++

2. 安装leptonica

Leptonica主要用于图像处理和图像分析

原则上所有的库文件都是可以直接用yum安装的,如果想要具体的某个版本,可以前往官方源下载对应版本然后按照对应方式编译

wget http://www.leptonica.org/source/leptonica-1.74.4.tar.gz
tar -zxvf leptonica-1.74.4.tar.gz
cd leptonica-1.74.4/
./configure
make && make install

3. 安装tesseract

其他各版本可以在这里下载并自行编译,也提供直接使用的文件。

yum install tesseract

4. 验证安装

tesseract --version

5. 语言包下载

前往tesseract-ocr/tessdata下载相应的语言包,然后将之移动到tessdata目录下,可以用whereis tesseract查看一下具体的目录,我的是/usr/share/tesseract/tessdata/mv *.traineddata /usr/local/share/tessdata/

6. 查看目前已下载的语言

tesseract --list-langs

使用

# tesseract
Usage:
 tesseract --help | --help-psm | --help-oem | --version
 tesseract --list-langs [--tessdata-dir PATH]
 tesseract --print-parameters [options...] [configfile...]
 tesseract imagename|stdin outputbase|stdout [options...] [configfile...]

OCR options:
 --tessdata-dir PATH  Specify the location of tessdata path.
 --user-words PATH   Specify the location of user words file.
 --user-patterns PATH Specify the location of user patterns file.
 -l LANG[+LANG]    Specify language(s) used for OCR.
 -c VAR=VALUE     Set value for config variables.
            Multiple -c arguments are allowed.
 --psm NUM       Specify page segmentation mode.
 --oem NUM       Specify OCR Engine mode.
NOTE: These options must occur before any configfile.

语法

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
  • imagename:图片名字
  • outputbase:指定输出,如果希望直接输出而不是保存到文件,那么就使用 stdout,否则这个参数将会作为保存结果的文件的前缀
  • -l指定语言文件,默认使用英文
  • tesseract --print-parameters:查看更多参数信息
  • 使用-c指定单项参数的值或者将配置写入配置文件放在命令最后(支持多个配置文件)
  • psm 识别图像的方式

0:定向脚本监测(OSD)

1: 使用OSD自动分页

2 :自动分页,但是不使用OSD或OCR(Optical Character Recognition,光学字符识别)

3 :全自动分页,但是没有使用OSD(默认)

4 :假设可变大小的一个文本列。

5 :假设垂直对齐文本的单个统一块。

6 :假设一个统一的文本块。

7 :将图像视为单个文本行。

8 :将图像视为单个词。

9 :将图像视为圆中的单个词。

10 :将图像视为单个字符。

python中使用

Tesseract安装完成后可以很方便的被Python调用,但是需要pillow和pytesseract的支持。

python中转换

image_to_data(image, lang=None, config='', nice=0, output_type=Output.STRING)
  • image Object,由Tesseract处理的图像的PIL Image/NumPy数组
  • lang String,Tesseract语言代码字符串
  • config String,任何其他配置字符串,例如:config='--psm 6'
  • 语言文件可以叠加,用“+”隔开
  • 我们也可以在这里进行tessdata路径的设置,跟在config里面即可
  • 更多配置包括config和psm都和tesseract类似

实例:

流程: 打开图片,配置,转换,可以通过Image的open或者cv2的imread打开图片,之后对图片进行对比度增强,降噪等处理,效果会好一些。

from PIL import Image
import pytesseract
class Languages:
  CHS = 'chi_sim'
  ENG = 'eng'
def img_to_str(image_path, lang=Languages.ENG):
  return pytesseract.image_to_string(Image.open(image_path), lang)
print(img_to_str('pic/numu.png', lang=Languages.ENG))
print(img_to_str('pic/pro.png', lang=Languages.ENG))

python识别图像并提取文字的实现方法

python识别图像并提取文字的实现方法

总结

简单的文本识别效果还是不错的,但是设计到多空行、符号等,识别效果就不是太好了,准确度方面可以通过对字库的训练达到想要的效果,之后对获取到的文本利用诸如re等各种库进行操作,其实应用还蛮广泛的。2. 但是它在验证码方面的话效果还是不错的,验证码的话tesserocr也是比较方面的.

识别中文可能会出现编码错误,这也是识别上的漏洞之一了,网上大佬们所说的改变文本的编码似乎并不能解决问题,所以对长文本图片处理还是不太建议直接转换。

图文处理也可以借鉴一些各平台的API,百度、腾讯、美团都有支持.

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
对于Python的Django框架使用的一些实用建议
Apr 03 Python
python中利用h5py模块读取h5文件中的主键方法
Jun 05 Python
tensorflow实现加载mnist数据集
Sep 08 Python
Python一句代码实现找出所有水仙花数的方法
Nov 13 Python
Python实现常见的回文字符串算法
Nov 14 Python
Django框架模板注入操作示例【变量传递到模板】
Dec 19 Python
python3对拉勾数据进行可视化分析的方法详解
Apr 03 Python
基于Python实现人脸自动戴口罩系统
Feb 06 Python
Python requests模块session代码实例
Apr 14 Python
详解matplotlib中pyplot和面向对象两种绘图模式之间的关系
Jan 22 Python
浅谈Python实现opencv之图片色素的数值运算和逻辑运算
Jun 23 Python
Python实现学生管理系统并生成exe可执行文件详解流程
Jan 22 Python
python3射线法判断点是否在多边形内
Jun 28 #Python
python opencv 批量改变图片的尺寸大小的方法
Jun 28 #Python
python如何实现代码检查
Jun 28 #Python
python射线法判断一个点在图形区域内外
Jun 28 #Python
Python OpenCV之图片缩放的实现(cv2.resize)
Jun 28 #Python
如何使用Python 打印各种三角形
Jun 28 #Python
python射线法判断检测点是否位于区域外接矩形内
Jun 28 #Python
You might like
PHP生成器简单实例
2015/05/13 PHP
WordPress中制作导航菜单的PHP核心方法讲解
2015/12/11 PHP
PHP基于自增数据如何生成不重复的随机数示例
2017/05/19 PHP
Laravel如何使用Redis共享Session
2018/02/23 PHP
jQuery 学习第六课 实现一个Ajax的TreeView
2010/05/17 Javascript
编写Js代码要注意的几条规则
2010/09/10 Javascript
JavaScript原生对象之Date对象的属性和方法详解
2015/03/13 Javascript
详解javascript遍历方式
2015/11/11 Javascript
Javascript删除指定元素节点的方法
2016/06/21 Javascript
Angularjs 实现一个幻灯片示例代码
2016/09/08 Javascript
纯js实现手风琴效果代码
2020/04/17 Javascript
JavaScript中for循环的几种写法与效率总结
2017/02/03 Javascript
jQuery实现一个简单的轮播图
2017/02/19 Javascript
Angular 4依赖注入学习教程之Injectable装饰器(六)
2017/06/04 Javascript
JavaScript中常见内置函数用法示例
2018/05/14 Javascript
JS实现调用本地摄像头功能示例
2018/05/18 Javascript
小程序指纹验证的实现代码
2018/12/04 Javascript
vue 使用element-ui中的Notification自定义按钮并实现关闭功能及如何处理多个通知
2019/08/17 Javascript
vue下canvas裁剪图片实例讲解
2020/04/16 Javascript
react PropTypes校验传递的值操作示例
2020/04/28 Javascript
微信小程序地图实现展示线路
2020/07/29 Javascript
详解Vue的异步更新实现原理
2020/12/22 Vue.js
python实现微信跳一跳辅助工具步骤详解
2018/01/04 Python
python交换两个变量的值方法
2019/01/12 Python
使用 django orm 写 exists 条件过滤实例
2020/05/20 Python
Keras搭建自编码器操作
2020/07/03 Python
python根据字典的键来删除元素的方法
2020/08/16 Python
Python Selenium破解滑块验证码最新版(GEETEST95%以上通过率)
2021/01/29 Python
英国最大的宠物食品和宠物用品网上零售商: Zooplus
2016/08/01 全球购物
计算机专业个人简短的自我评价
2013/10/23 职场文书
哈理工毕业生的求职信
2013/12/22 职场文书
婚礼新郎父母答谢词
2014/01/16 职场文书
低碳生活倡议书
2014/04/14 职场文书
机关领导查摆四风思想汇报
2014/09/13 职场文书
2015年消防工作总结
2015/04/24 职场文书
Python使用pyecharts控件绘制图表
2022/06/05 Python