Question

我正在尝试在python中处理tesseract来做简单的工作： - 打开一张照片 - 运行ocr - 得到字符串 - 获取角色坐标

最后一个是我的痛苦！

这是我的第一个代码：

import tesseract
import glob
import cv2

api = tesseract.TessBaseAPI()
api.SetVariable("tessedit_char_whitelist", "0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZéèô%")
api.SetPageSegMode(tesseract.PSM_AUTO)

imagepath = "C:\\Project\\Bob\\"
imagePathList = glob.glob(imagepath + "*.jpg")

for image in imagePathList:
    mBuffer=open(imagePathList[10],"rb").read()
    result = tesseract.ProcessPagesBuffer(mBuffer,len(mBuffer),api)
    img = cv2.imread(image)
    cv2.putText(img,result,(20,20), cv2.FONT_HERSHEY_PLAIN, 1.0,(0,255,0))       
    cv2.imshow("Original",img)
    cv2.waitKey()

由于我的照片有不同的布局，不同的位置有不同的字样，我想为每个字母设置一个方框。

我见过谈论： - api.getBoxText - Hocr

但是没有办法在Python中实现它。

Answer 1

tesserocr提供了访问几乎所有tesseract API功能的功能。这可能是您想要的example：

from PIL import Image
from tesserocr import PyTessBaseAPI, RIL

image = Image.open('/usr/src/tesseract/testing/phototest.tif')
with PyTessBaseAPI() as api:
    api.SetImage(image)
    boxes = api.GetComponentImages(RIL.TEXTLINE, True)
    print 'Found {} textline image components.'.format(len(boxes))
    for i, (im, box, _, _) in enumerate(boxes):
        # im is a PIL image object
        # box is a dict with x, y, w and h keys
        api.SetRectangle(box['x'], box['y'], box['w'], box['h'])
        ocrResult = api.GetUTF8Text()
        conf = api.MeanTextConf()
        print (u"Box[{0}]: x={x}, y={y}, w={w}, h={h}, "
               "confidence: {1}, text: {2}").format(i, conf, ocrResult, **box)

您还可以访问其他API方法，例如GetHOCRText和GetBoxText等。

但是，现在它只支持* nix系统，尽管用户为successfully compiled it on Windows，并且如果您想尝试一下，则提供二进制文件。

免责声明：tesserocr作者。

Answer 2

如果Python包装器支持，您可能需要调用GetHOCRText方法。

如何获取Tesseract ocr检索到的字母坐标

2 个答案: