Python如何基于Tesseract實(shí)現(xiàn)識(shí)別文字功能
機(jī)器視覺
從Google的無人駕駛汽車到可以識(shí)別假鈔的自動(dòng)售賣機(jī),機(jī)器視覺一直都是一個(gè)應(yīng)用廣泛且具有深遠(yuǎn)的影響和雄偉的愿景的領(lǐng)域。
這里我們將重點(diǎn)介紹機(jī)器視覺的一個(gè)分支:文字識(shí)別。介紹如何用一些Python庫來識(shí)別和使用在線圖片中的文字。
我們可以很輕松的閱讀圖片里的文字,但是機(jī)器閱讀這些圖片就會(huì)非常困難,利用這種人類用戶可以正常讀取但是大多數(shù)存貯器沒法讀取的圖片,這時(shí)驗(yàn)證碼(CAPTCHA)就出現(xiàn)了。驗(yàn)證碼讀取的難易程序也大不相同。
將圖像翻譯成文字一般被稱為光學(xué)文字識(shí)別(Optical Character Recognition,OCR)??梢詫?shí)現(xiàn)OCR的底層庫并不多,目前很多庫都是使用共同的幾個(gè)底層OCR庫,或者是在上面進(jìn)行定制。
OCR庫概述
在讀取和處理圖像、圖像相差的機(jī)器學(xué)習(xí)以及創(chuàng)建圖像等任務(wù)中,Python一直都是非常出色的語言。雖然有很多庫可以進(jìn)行圖像處理,但是這里我們只介紹Tesseract庫。
Tesseract
Tesseract是一個(gè)OCR庫,目前由Google贊助。Tesseract是目前公認(rèn)最優(yōu)秀、最精確的開源OCR系統(tǒng)。除了極高的精確度,Tesseract也具有很高的靈活性。它可以通過訓(xùn)練識(shí)別出任何字體,也可以識(shí)別出任何Unicode字符。
安裝Tesseract:Windows系統(tǒng)
下載可執(zhí)行安裝文件安裝即可。
安裝pytesseract
Tesseract是一個(gè)Python的命令行工具,不是通過import語句導(dǎo)入的庫。安裝之后,要用tesseract命令在Python的外面運(yùn)行,但我們可以通過pip安裝支持Python版本的Tesseract庫:
pip install pytesseract
處理規(guī)范的文字
你要處理的大多數(shù)文字都是比較干凈、格式規(guī)范的。格式霍英東的文字通常具有以下特點(diǎn):
使用統(tǒng)一的標(biāo)準(zhǔn)字體(不包含手寫體、草書或者十分“花哨”的字體),復(fù)印或者拍照但是字體清晰、沒有多余的痕跡或者污點(diǎn)。
排列整齊,沒有歪歪斜斜的字。
沒有超出圖片范圍,也沒有殘缺不全,或緊緊貼在圖片的邊緣。
文字的一些格式問題在圖片預(yù)處理時(shí)可以進(jìn)行解決。例如,可以把圖片轉(zhuǎn)換成灰度圖,調(diào)整亮度和對(duì)比度,還可以根據(jù)需要進(jìn)行裁剪和旋轉(zhuǎn),在這里不作介紹。
示例:
英文:

F:DE209_F>tesseract english.jpg text Tesseract Open Source OCR Engine v4.00.00alpha with Leptonica F:DE209_F>type text.txt This is some text, written in Arial, that will be read by Tesseract. Here are some symbols: !@#$%"&*()
識(shí)別結(jié)果的準(zhǔn)確率還是挺高的。
通過Python代碼實(shí)現(xiàn)
英文:

中文:

#!/usr/bin/python3
# -*- coding:utf-8 -*-
import pytesseract
from PIL import Image
# 打開圖像:英文
image = Image.open('english.jpg')
# OCR識(shí)別:lang默認(rèn)英文
text = pytesseract.image_to_string(image)
# 打印識(shí)別后的文本
print(text)
# 我是分割線
print("*" * 30)
# 打開圖像:英文
image = Image.open('china.png')
# OCR識(shí)別:lang指定中文
text = pytesseract.image_to_string(image, lang = 'chi_sim')
# 打印識(shí)別后的文本
print(text)
運(yùn)行結(jié)果:
This is some text, written in Arial, that will be read by Tesseract. Here are some symbols: !@#$%"&*() ****************************** 中 華 人 民 共 和 國
以上就是本文的全部內(nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
使用 Python 獲取 Linux 系統(tǒng)信息的代碼
在本文中,我們將會(huì)探索使用Python編程語言工具來檢索Linux系統(tǒng)各種信息,需要的朋友可以參考下2014-07-07
python tkinter實(shí)現(xiàn)界面切換的示例代碼
今天小編就為大家分享一篇python tkinter實(shí)現(xiàn)界面切換的示例代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-06-06
對(duì)Python進(jìn)行數(shù)據(jù)分析_關(guān)于Package的安裝問題
下面小編就為大家?guī)硪黄獙?duì)Python進(jìn)行數(shù)據(jù)分析_關(guān)于Package的安裝問題。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-05-05
TensorFLow 數(shù)學(xué)運(yùn)算的示例代碼
這篇文章主要介紹了TensorFLow 數(shù)學(xué)運(yùn)算的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-04-04
如何實(shí)現(xiàn)刪除numpy.array中的行或列
如何實(shí)現(xiàn)刪除numpy.array中的行或列?今天小編就為大家分享一篇對(duì)刪除numpy.array中行或列的實(shí)例講解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-05-05

