python利用自动识别写模块_Python 利用pytesser模块识别图像文字

使用的是python的pytesser模块，原先想做的是图片中文识别，搞了一段时间了，在中文的识别上还是有很多问题，这里做记录分享。

可将图片中的文字转换成文本（主要是英文）。

1.pytesser安装

使用设备：win8 64位

PyTesser使用Tesseract OCR引擎，将图像转换到可接受的格式，然后执行tesseract提取出文本信息。使用PyTesser ，你无须安装Tesseract OCR引擎,但必须要先安装PIL模块（Python Image Library，python的图形库）

其中PIL可直接点击exe安装，pytesser无需安装，解压后可以放在python安装文件夹的\Lib\site-packages\ 下直接使用（需要添加pytesser.pth）

Ubuntu安装

sudo pip install pytesseract

sudo apt-get install tesseract-ocr

2.pytesser源码

通过查看pytesser.py的源码，可以看到几个主要函数：

（1）call_tesseract(input_filename, output_filename)

该函数调用tesseract外部执行程序，提取图片中的文本信息

（2）image_to_string(im, cleanup = cleanup_scratch_flag)

该函数处理的是image对象，所以需用使用im = open(filename)打开文件，返回一个image对象。其中调用util.image_to_scratch(im, scratch_image_name)将内存中的图像文件保存为bmp，以便tesserac程序能正常处理。

（3）image_file_to_string(filename, cleanup = cleanup_scratch_flag, graceful_errors=True)

该函数直接使用Tesseract读取图像文件，如果图像是不相容的，会先转换成兼容的格式，然后再提取图片中的文本信息。

"""OCR in Python using the Tesseract engine from Google

http://code.google.com/p/pytesser/

by Michael J.T. O'Kelly

V 0.0.1, 3/10/07"""

import Image

import subprocess

import util

import errors

tesseract_exe_name = 'tesseract' # Name of executable to be called at command line

scratch_image_name = "temp.bmp" # This file must be .bmp or other Tesseract-compatible format

scratch_text_name_root = "temp" # Leave out the .txt extension

cleanup_scratch_flag = False # Temporary files cleaned up after OCR operation

def call_tesseract(input_filename, output_filename):

"""Calls external tesseract.exe on input file (restrictions on types),

outputting output_filename+'txt'"""

args = [tesseract_exe_name, input_filename, output_filename]

proc = subprocess.Popen(args)

retcode = proc.wait()

if retcode!=0:

errors.check_for_errors()

def image_to_string(im, cleanup = cleanup_scratch_flag):

"""Converts im to file, applies tesseract, and fetches resulting text.

If cleanup=True, delete scratch files after operation."""

try:

util.image_to_scratch(im, scratch_image_name)

call_tesseract(scratch_image_name, scratch_text_name_root)

text = util.retrieve_text(scratch_text_name_root)

finally:

if cleanup:

util.perform_cleanup(scratch_image_name, scratch_text_name_root)

return text

def image_file_to_string(filename, cleanup = cleanup_scratch_flag, graceful_errors=True):

"""Applies tesseract to filename; or, if image is incompatible and graceful_errors=True,

converts to compatible format and then applies tesseract. Fetches resulting text.

If cleanup=True, delete scratch files after operation."""

try:

call_tesseract(filename, scratch_text_name_root)

text = util.retrieve_text(scratch_text_name_root)

except errors.Tesser_General_Exception:

if graceful_errors:

im = Image.open(filename)

text = image_to_string(im, cleanup)

else:

raise

finally:

if cleanup:

util.perform_cleanup(scratch_image_name, scratch_text_name_root)

return text

if __name__=='__main__':

im = Image.open('phototest.tif')

text = image_to_string(im)

print text

try:

text = image_file_to_string('fnord.tif', graceful_errors=False)

except errors.Tesser_General_Exception, value:

print "fnord.tif is incompatible filetype. Try graceful_errors=True"

print value

text = image_file_to_string('fnord.tif', graceful_errors=True)

print "fnord.tif contents:", text

text = image_file_to_string('fonts_test.png', graceful_errors=True)

print text

3.pytesser使用在代码中加载pytesser模块，简单的测试代码如下：

from pytesser import *

im = Image.open('fonts_test.png')

text = image_to_string(im)

print "Using image_to_string(): "

print text

text = image_file_to_string('fonts_test.png', graceful_errors=True)

print "Using image_file_to_string():"

print text

识别结果如下：基本能将英文字符提取出来，但对一些复杂点的图片，比如说我尝试对一些英文论文图片进行识别，但结果实在不理想。

由于在中文识别方面还有很多问题，以后再进一步研究分享。

参考：HK_JH的专栏 http://blog.csdn.net/hk_jh/article/details/8961449

python利用自动识别写模块_Python 利用pytesser模块识别图像文字相关推荐

python利用什么写模板_Python利用逻辑回归分类实现模板
Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程,为最大化方程,利用牛顿梯度上升求解方程参数. 优点:计算代价不高,易于理解和实现. 缺点: ...
python使用爬虫写一个自己的翻译器（带图像界面）
python使用爬虫写一个自己的翻译器(带图像界面) 大家好,我叫亓官劼(qí guān jié ),在CSDN中记录学习的点滴历程,时光荏苒,未来可期,加油~博客地址为:亓官劼的博客,B站昵称为 ...
python利用自动识别写模块_序章：资料预处理(python3.6 可用fortran unformatted sequencial data读取模块)...
首先我只是一个接触Python约半年的菜鸟,开这一个专栏的目的主要是记录自己所学,以及实践的一些有用的东西,顺便分享一些自己写的公用代码段以方便具有同样想法的朋友. 既然是序章我就多写一些吧,我本人对 ...
python笔记手写照片_Python处理手写笔记
下载W3Cschool手机App,0基础随时随地学编程导语利用Python实现手写笔记的压缩与增强. 至于起因大概是: 这个内容很有趣... --> 说了等于没说.T_T 相关文件密码: 4 ...
简述python中怎样导入模块_Python中导入模块的两种模式,import
import import pandas import pandas as pd 使用函数方式:.(),或者.() 比如 pandas.read_csv("data/stock.csv&qu ...
cmd导入python模块_Python如何导入模块
为了在CMD中的任何位置打开python程序,将pyhon的安装目录导入到环境变量中,如我的安装目录D:\Python27,桌面计算机--->右键属性--->高级系统设置-->环境变 ...
python验证码识别模块_Python图像处理之验证码识别
在上一篇博客Python图像处理之图片文字识别(OCR)中我们介绍了在Python中如何利用Tesseract软件来识别图片中的英文与中文,本文将具体介绍如何在Python中利用Tesseract软件 ...
python必学的模块_Python常用的模块
模块和包 1.1模块介绍模块定义:一系列功能的集合体模块使用: import导入模块或者 from ... import... 导入模块模块分类:内置模块自定义模块第三方模块模块加载顺序: ...
python中自带的模块_python中的模块详解
概念 python中的模块是什么?简而言之,在python中,一个文件(以".py"为后缀名的文件)就叫做一个模块,每一个模块在python里都被看做是一个独立的文件.模块可以被项 ...

python利用自动识别写模块_Python 利用pytesser模块识别图像文字

python利用自动识别写模块_Python 利用pytesser模块识别图像文字相关推荐

最新文章

热门文章