Question

我正在尝试从tif或tiff图像文件中读取文本。这些文件有多个页面。

当我打印数组时，我只会得到true，然后没有文本。但是，当我使用.png文件时，我可以打印文本。

下面是我的代码。

from PIL import Image, ImageSequence
import pytesseract
from pytesseract import image_to_string
import numpy as np
import cv2
test = Image.open(r'C:\Python\BG36820V1.tiff')
#test1 = Image.open(r'C:\Users\Documents\declaration.png')
testarray = np.array(test)
print(testarray)
print(pytesseract.image_to_string(Image.fromarray(testarray))

这是测试文件的输出：

[[ True  True  True ...  True  True  True]
 [ True  True  True ...  True  True  True]
 [ True  True  True ...  True  True  True]
 ...
 [ True  True  True ...  True  True  True]
 [ True  True  True ...  True  True  True]
 [ True  True  True ...  True  True  True]]

但是这在test1上可以正常工作。

[[[242 242 242 255]
  [242 242 242 255]
  [242 242 242 255]
  ...
  [242 242 242 255]
  [242 242 242 255]
  [242 242 242 255]]

 [[182 180 182 255]
  [182 180 182 255]
  [182 180 182 255]
  ...
  [182 180 182 255]
  [182 180 182 255]
  [182 180 182 255]]
g Request 4042337300021 submitted sucessfully

x
TYPE

我尝试使用opencv读取tiff文件，但格式不支持。

如何从tiff或tif文件中打印文本。

有什么建议吗？

关于，仁。

Answer 1

修改了我的整个代码，并将tiff文件转换为jpeg文件，它能够读取文本。

from PIL import Image, ImageSequence
import pytesseract
from pytesseract import image_to_string
import numpy as np
import cv2
import os
yourpath = r'C:\Python\'
for root, dirs, files in os.walk(yourpath, topdown=False):
    for name in files:
        print(os.path.join(root, name))
        if os.path.splitext(os.path.join(root, name))[1].lower() == ".tiff":
            if os.path.isfile(os.path.splitext(os.path.join(root, name))[0] + ".jpg"):
                print ("A jpeg file already exists for %s" % name)
            # If a jpeg is *NOT* present, create one from the tiff.
            else:
                outfile = os.path.splitext(os.path.join(root, name))[0] + ".jpg"
                try:
                    im = Image.open(os.path.join(root, name))
                    print ("Generating jpeg for %s" % name)
                    im.thumbnail(im.size)
                    im.save(outfile, "JPEG", quality=100)
                except Exception as e:
                    print (e)

test = Image.open(r'C:\Python\BG96254V1.jpeg')

testarray = np.array(test)
print(testarray)
print(pytesseract.image_to_string(Image.fromarray(testarray)))

这仅读取第一页而不是页面列表。有关如何进行此更改以阅读所有页面的任何建议。

谢谢。

image_to_string不使用pytesseract从tiff或tif文件中读取文本

1 个答案: