如何使用python从图像中提取文本或数字

Question

我想从这样的图像中提取文本（主要是数字）

我尝试了此代码

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
img = Image.open('1.jpg')
text = pytesseract.image_to_string(img, lang='eng')
print(text)

但是我得到的只是这个 （hE PPAR）

Answer 1

执行OCR时，对图像进行预处理非常重要，因此，要检测的文本为黑色，背景为白色。为此，这是一种简单的方法，使用OpenCV对Otsu的图像阈值进行处理，将生成二进制图像。这是预处理后的图像：

我们使用--psm 6配置设置将图像视为统一的文本块。这是您可以尝试的其他configuration options。 Pytesseract的结果

  

01153521976

代码

import cv2
import pytesseract

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

image = cv2.imread('1.png', 0)
thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

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

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