使用python-tesseract获取识别的单词的边界框
image-processing
ocr
python
11
0

我正在使用python-tesseract从图像中提取单词。这是tesseract的python包装器,它是一个OCR代码。

我正在使用以下代码来获取单词:

import tesseract

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_DEFAULT)
api.SetVariable("tessedit_char_whitelist", "0123456789abcdefghijklmnopqrstuvwxyz")
api.SetPageSegMode(tesseract.PSM_AUTO)

mImgFile = "test.jpg"
mBuffer=open(mImgFile,"rb").read()
result = tesseract.ProcessPagesBuffer(mBuffer,len(mBuffer),api)
print "result(ProcessPagesBuffer)=",result

这仅返回单词,而不返回它们在图像中的位置/大小/方向(或换句话说,包含它们的边界框)。我想知道是否还有办法

参考资料:
Stack Overflow
收藏
评论
共 5 个回答
高赞 时间 活跃

会在lennon310下发表评论,但没有足够的声誉来发表评论...

要在python脚本中运行他的命令行命令tesseract test.jpg result hocr

from subprocess import check_call

tesseractParams = ['tesseract', 'test.jpg', 'result', 'hocr']
check_call(tesseractParams)
收藏
评论

使用pytesseract.image_to_data()

import pytesseract
from pytesseract import Output
import cv2
img = cv2.imread('image.jpg')

d = pytesseract.image_to_data(img, output_type=Output.DICT)
n_boxes = len(d['level'])
for i in range(n_boxes):
    (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('img', img)
cv2.waitKey(0)

pytesseract.image_to_data()返回的数据中:

  • left是从边界框的左上角到图像左边界的距离。
  • top是从边界框的左上角到图像顶部的距离。
  • widthheight是边界框的宽度和高度。
  • conf是模型在该边界框中预测单词的置信度。如果conf为-1,则表示相应的边界框包含一个文本块,而不是一个单词。

pytesseract.image_to_boxes()返回的边界框包含字母,因此我相信pytesseract.image_to_data()是您要寻找的。

收藏
评论

tesseract.GetBoxText()方法返回数组中每个字符的确切位置。

此外,还有一个命令行选项tesseract test.jpg result hocr ,它将生成一个result.html文件,其中包含每个可识别单词的坐标。但是我不确定是否可以通过python脚本调用它。

收藏
评论

使用以下代码,您可以获得与每个字符相对应的边界框。

import csv
import cv2
from pytesseract import pytesseract as pt

pt.run_tesseract('bw.png', 'output', lang=None, boxes=True, config="hocr")

# To read the coordinates
boxes = []
with open('output.box', 'rb') as f:
    reader = csv.reader(f, delimiter = ' ')
    for row in reader:
        if(len(row)==6):
            boxes.append(row)

# Draw the bounding box
img = cv2.imread('bw.png')
h, w, _ = img.shape
for b in boxes:
    img = cv2.rectangle(img,(int(b[1]),h-int(b[2])),(int(b[3]),h-int(b[4])),(255,0,0),2)

cv2.imshow('output',img)
收藏
评论

Python tesseract可以使用image_to_boxes函数执行此操作而无需写入文件:

import cv2
import pytesseract

filename = 'image.png'

# read the image and get the dimensions
img = cv2.imread(filename)
h, w, _ = img.shape # assumes color image

# run tesseract, returning the bounding boxes
boxes = pytesseract.image_to_boxes(img) # also include any config options you use

# draw the bounding boxes on the image
for b in boxes.splitlines():
    b = b.split(' ')
    img = cv2.rectangle(img, (int(b[1]), h - int(b[2])), (int(b[3]), h - int(b[4])), (0, 255, 0), 2)

# show annotated image and wait for keypress
cv2.imshow(filename, img)
cv2.waitKey(0)
收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题