Question

我正在为视频游戏创建机器人，我必须阅读屏幕上显示的一些信息。鉴于信息始终在同一位置，因此我可以截取屏幕截图并将图片裁剪到正确的位置。

90％的时间，识别将是完美的，但有时它会返回看起来完全随机的东西（请参见下面的示例）。

我尝试将图片转换为黑白没有成功，并尝试更改pytesseract配置(config = ("-l fra --oem 1 --psm 6"))

def readScreenPart(x,y,w,h):
    monitor = {"top": y, "left": x, "width": w, "height": h}
    output = "monitor.png"
    with mss.mss() as sct:
        sct_img = sct.grab(monitor)        
        mss.tools.to_png(sct_img.rgb, sct_img.size, output=output)

    img = cv2.imread("monitor.png")
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    cv2.imwrite("result.png", img)
    config = ("-l fra --oem 1 --psm 6")

    return pytesseract.image_to_string(img,config=config)

示例：此图片生成错误，它返回字符串“ IRPMV / LEIILK”

另一张图片

现在我不知道问题的出处，因为它不仅是一个错误的字符，而且是一个完全随机的结果。

感谢您的帮助

Answer 1

预处理是将图像投入Pytesseract的重要步骤。通常，您希望将所需的文本设为黑色，将背景设为白色。当前，您的前景文本为绿色而不是白色。这是修复格式的简单过程

将图像转换为灰度
大津获取二值图像的阈值
反转图像

原始图片

大津的门槛

反转图像

Pytesseract的输出

122活力

其他图片

200点生命力

在反转图像之前，最好执行morphological operations来平滑/过滤文本。但是对于您的图像，文本不需要额外的平滑处理

import cv2
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

image = cv2.imread('3.png',0)
thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]
result = 255 - thresh

data = pytesseract.image_to_string(result, lang='eng',config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.imshow('result', result)
cv2.waitKey()

Answer 2

正如评论所说，这与您的文字和背景颜色有关。 Tesseract对于深色背景上的浅色文本基本上是没有用的，这是我在将其提供给tesseract之前适用于任何文本图像的几行内容：

# convert color image to grayscale
grayscale_image = cv2.cvtColor(your_image, cv2.COLOR_BGR2GRAY)

# Otsu Tresholding method find perfect treshold, return an image with only black and white pixels
_, binary_image = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)

# we just don't know if the text is in black and background in white or vice-versa
# so we count how many black pixels and white pixels there are
count_white = numpy.sum(binary > 0)
count_black = numpy.sum(binary == 0)

# if there are more black pixels than whites, then it's the background that is black so we invert the image's color
if count_black > count_white:
    binary_image = 255 - binary_image

black_text_white_background_image = binary_image

现在，无论原始颜色是哪种颜色，您都可以肯定在白色背景上有黑色文字，如果字符高度为35像素，Tesseract也是（最奇怪的）最有效的方法，较大的字符不会显着降低精度，但短一些像素会使tesseract失去作用！

Pytesseract阅读文本时的随机错误

2 个答案: