Python Opencv实战之文字检测OCR

1.相关函数的讲解

image_to_data（）的输出结果是表格形式，输出变量的类型依旧是字符串。

你会得到一个这样的列表['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text']，我们逐个解释下：

• level，当前项的层级；

• page_num，当前项所属页，一般情况下，单张图片的内容均会被分在同一个页；

• block_num ，当前项所属块，Tesseract会将图像分割为多个不同的block，block会出现1，2，3……等等值；   

• par_num，当前图像中文字的段落分类；

• line_num，当前项所属行；

• word_num，为同一行中当前项所属的单词序号；

• left\ top\ width\ height，分别为当前项所在矩形区域的左上角坐标、宽度和高度；

• conf，当前检测字符的置信度，表示项无文字，值为-1，若Tesseract认为当前区域有文字，则其值得范围为0~100；

• text，即为当前项的文本，若无文字此项为空。

那么关于enumerate（）函数，大家可以看看此文。

详解Python中enumerate函数的使用

2.代码展示

Detecting Words

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time

pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

##############################################
##### Detecting Words  ######
##############################################
#[   0          1           2           3           4          5         6       7       8        9        10       11 ]
#['level', 'page_num', 'block_num', 'par_num', 'line_num', 'word_num', 'left', 'top', 'width', 'height', 'conf', 'text']
boxes = pytesseract.image_to_data(img)
for a,b in enumerate(boxes.splitlines()):
       print(b)
        if a!=0:
            b = b.split()
            if len(b)==12:
                x,y,w,h = int(b[6]),int(b[7]),int(b[8]),int(b[9])
                cv2.putText(img,b[11],(x,y-5),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
                cv2.rectangle(img, (x,y), (x+w, y+h), (50, 50, 255), 2)

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

Detecting ONLY Digits

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time

pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

##############################################
##### Detecting ONLY Digits  ######
##############################################
hImg, wImg,_ = img.shape
conf = r'--oem 3 --psm 6 outputbase digits'
boxes = pytesseract.image_to_boxes(img,config=conf)
for b in boxes.splitlines():
    print(b)
    b = b.split(' ')
    print(b)
    x, y, w, h = int(b[1]), int(b[2]), int(b[3]), int(b[4])
    cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 2)
    cv2.putText(img,b[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)

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

3.问题叙述

首先，我遇到的问题有

（1）无效的TeserAct版本：“TeserAct3.02”

 可能是此版本太低了，但我找了找新的版本，在此更新一下路径：

点击此网址  Home · UB-Mannheim/tesseract Wiki · GitHub

自行选择合适的就可以了。

（2）识别效果差

可以看到，将本来不是数字的字母也强行识别出来了，这简直说不过去了。

最后我们看看更改后的效果：

cool，非常的棒，快去试试吧！

对于数字又强差人意了，所以说它这个本身还是存在一点的问题。我觉得影响不大，你觉得不舒服，可以换张图试试。

4.image_to_data（）配置讲解

oem讲解

OEM _ TESSERACТ_ ONLY      只以最快的速度运行Tesseract

OEM _ CUBE _ ONLY        仅运行多维数据集-精度更高，但速度更慢

OEM _ TESSERACT _ CUBE _ cOMBINED         同时运行并组合结果-最佳精度

OEM _ DEFAULT     在调用init_*0时指定此模式，以指示应根据特定于语言的配置中的变量自动推断上述任何模式。命令行配置，或者如果没有在上面任何一项中指定，则应设置为默认的OEM_ TESSERACT_ ONLY。

psm讲解

PSM _ OSD _ ONLY          仅用于方向和脚本检测。

PSM _ AUTO _ OSD            带有方向和脚本检测的自动页面分割。（OSD）

PSM _ AUTO _ ONLY            自动页面分割，但没有OSD或OCR。                              PSM _ AUTO              完全自动页面分割，但没有OSD。

PSM _ SINGLE _ COLUMN          假设一列大小可变的文本。

PSM _ SINGLE _ BLOCK _ VERT _ TEXT         假设一个统一的垂直对齐文本块。

PSM _ SINGLE _ BLOCK          假设一个统一的文本块（默认值）

PSM _ SINGLE _ LINE          将图像视为单个文本行。

PSM _ SINGLE _ WORD          将图像视为单个单词。

PSM _ CIRCLE _ WORD         将图像视为圆圈中的单个单词。

PSM _ SINGLE _ CHAR         将图像视为单个字符。

PSM _ SPARSE _ TEXT        在没有特定顺序的情况下尽可能多地查找文本。

PSM _ SPARSE _ TEXT _ OSD         具有方向和脚本检测的稀疏文本。

PSM _ RAW _ LINE           将图像视为单个文本行，绕过特定于Tesseract的黑客攻击。

5.项目拓展

import cv2
import pytesseract
import numpy as np
from PIL import ImageGrab
import time

pytesseract.pytesseract.tesseract_cmd = 'E:\pythonProject\Github\Tesseract-OCR\\tesseract.exe'
img = cv2.imread('1.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cap = cv2.VideoCapture(0)
cap.set(3,640)
cap.set(4,480)
def captureScreen(bbox=(300,300,1500,1000)):
   capScr = np.array(ImageGrab.grab(bbox))
   capScr = cv2.cvtColor(capScr, cv2.COLOR_RGB2BGR)
   return capScr
while True:
   timer = cv2.getTickCount()
   _,img = cap.read()
   #img = captureScreen()
   #DETECTING CHARACTERES
   hImg, wImg,_ = img.shape
   boxes = pytesseract.image_to_boxes(img)
   for b in boxes.splitlines():
       #print(b)
       b = b.split(' ')
       #print(b)
       x, y, w, h = int(b[1]), int(b[2]), int(b[3]), int(b[4])
       cv2.rectangle(img, (x,hImg- y), (w,hImg- h), (50, 50, 255), 2)
       cv2.putText(img,b[0],(x,hImg- y+25),cv2.FONT_HERSHEY_SIMPLEX,1,(50,50,255),2)
   fps = cv2.getTickFrequency() / (cv2.getTickCount() - timer);
   #cv2.putText(img, str(int(fps)), (75, 40), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (20,230,20), 2);
   cv2.imshow("Result",img)
   cv2.waitKey(1)

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

进行网络摄像头的实时文字测试。

6.总结与评价

我是首次使用Tesseract，体验感很不好，这是我在b站的评论中看到的：

说实话，我还没有学到用算法的地步，学学了解一下就好了，反正我是准备项目实战的中后期去学习深度学习，以及其他的算法学习，这方面我不好说，但它的精度的确是不达标，你们也看到了，居然把文字也识别成了数字。而且开启摄像头识别的也不是很好，识别不完全or识别错误。

来源：https://blog.csdn.net/m0_62919535/article/details/126589521