pytesseract无法识别图像中的数字

Question

我有此python代码，可用于将写在图片中的文本转换为字符串，它确实适用于某些字符较大的图像，但不适用于我现在尝试的仅包含数字的图像

有我的代码：

$ git remote -v
https://github.com/varun9797/BetterWorldUI.git/

$ git remote remove origin

$ git remote add origin https://username@github.com/varun9797/BetterWorldUI.git/

为什么无法识别此特定图像，我该如何解决此问题？谢谢。

有图片：

Answer 1

我有两个建议。

首先，这是迄今为止最重要的，在OCR预处理中，图像是获得良好结果的关键。对于您的情况，我建议进行二值化。您的图像看起来非常好，因此您应该不会有任何问题，但是如果这样做，那么也许应该尝试对图像进行二值化：

import cv2
from PIL import Image

img = cv2.imread('gradient.png')
# If your image is not already grayscale :
# img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
threshold = 180 # to be determined
_, img_binarized = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)
pil_img = Image.fromarray(img_binarized)

然后使用二进制图像再次尝试ocr。

检查图像是否为灰度图像，并在需要时取消注释。

这是简单的阈值处理。自适应阈值处理也存在，但是它很嘈杂，不会给您带来任何影响。

二元化的图像将更易于Tesseract处理。这已经在内部完成（https://github.com/tesseract-ocr/tesseract/wiki/ImproveQuality），但有时可能会弄乱事情，并且经常需要进行自己的预处理。

您可以通过查看图像来检查阈值是否正确：

import matplotlib.pyplot as plt
plt.imshow(img, cmap='gray')
plt.imshow(img_binarized, cmap='gray')

第二，如果我上面所说的仍然不起作用，我知道这不会回答“为什么pytesseract在这里不起作用”，但我建议您尝试使用tesserocr。它是Tesseract的维护的python包装器。

您可以尝试：

import tesserocr
text_from_ocr = tesserocr.image_to_text(pil_img)

这是来自pypi的tesserocr的文档：https://pypi.org/project/tesserocr/

对于opencv：https://pypi.org/project/opencv-python/

作为旁注，在Tesseract中对黑白进行了对称处理，因此在黑色背景上具有白色数字并不是问题。