假设我有一张带有条形图的图像,如下所示:
我想提取条形图和标签的值,除了训练ML模型之外,还有其他方法吗?
我有一堆图像,并为其生成了图形和一些描述。我目前正在尝试仅从描述中提取信息,但是我意识到那里的信息有限。因此,我也想从图像中提取信息。是否有可能以最简单的方式实现这一目标?
一些参考资料将非常有帮助。语言首选项是Python。我对如何操作图像一无所知。
注意:图像和说明是我创建的。
答案 0 :(得分:4)
如果生成图的原始代码不可用,请安装tesseract,然后安装PIL和pytesseract。
sudo apt-get install tesseract-ocr
sudo -H pip3 install pillow pytesseract
您可能还想download the French datafiles并将其放在/usr/share/tesseract-ocr/tessdata
上。
我将您的图片另存为chart.png,然后编写了以下代码。
import pytesseract
from PIL import Image
img = Image.open('chart.png')
print(pytesseract.image_to_string(Image.open('chart.png'),lang='fra'))
这是输出。
Château d’AzayflefRideau
Château et musée de Blois
Château des Bau>«dæProvence
Crypte archéologique de NotræDame
Théâtre antique et musée d’Orange
Château d’Angers
Château des ducs de Bretagne, musée
d'histoire de Nantes
281
271
258
223
197
184
180
2 000
4 000 6 000 8 000
Number of V|s|tors ln thousands
10 000
12
如果您所有的图像都遵循完全相同的格式,那么现在我们要做的就是使其具有可读性。
import pytesseract
from PIL import Image
import re
img = Image.open('chart.png')
s = pytesseract.image_to_string(img,lang='fra')
y_axis = s.split('\n')
y_axis = [x for x in s if x.isdigit()]
x_axis = s.split('\n\n')
x_axis = [x for x in x_axis if x[0].isalpha()]
x_axis = '\n'.join(x_axis)
x_axis = re.split('(\n[A-Z])',x_axis)
x_axis = [x_axis[0]] + [ ''.join(x) for x in zip(x_axis[1:][0::2],x_axis[1:][1::2]) ]
x_axis = [x.rstrip('\n') for x in x_axis]
x_axis = [x.lstrip('\n') for x in x_axis]
x_axis = [ re.sub('\n',' ',x) for x in x_axis]
y_axis = y_axis[0:len(x_axis)]
result = list(zip(x_axis,y_axis))
print(result)
现在您有了:
[('AzayflefRideau城堡,'281'),('Blois城堡和博物馆”, '271'),('宝藏城堡(Châteaudes Bau)«dæProvence','258'),('Cryptearchéologique deNotræDame”,“ 223”),(“Théâtreantique etmuséed'Orange”,“ 197”), ('Châteaud'Angers','184'),(“Châteaudes ducs de Bretagne,musée d'histoire de Nantes“,'180')]
如果在将图像传递到pytesseract之前将其一分为二,则此代码可以变得更简单(一个用于左侧的标签,另一个用于条形和数字)。