将PyTesseract识别的图像转换为数组

Question

我有一幅图像，上面有我用PyTesseract扫描过的数字列表来构造一个字符串。具体来说，这是代码：

from PIL import Image
import pytesseract
from scipy import stats
import numpy as np

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

str1=pytesseract.image_to_string(Image.open('D:/Image.png'))

这是我正在扫描的图像：

问题在于PyTesseract将图像扫描为单个字符而不是整数。

我想了解为什么会这样，我该怎么做才能获得理想的结果。

简而言之，PyTesseract不会扫描数字列表中的整数，而是将它们扫描为单个字符。我如何告诉它扫描整数并将其放入数组中？

Answer 1

好吧，如果只想获取列表，请使用re.split和strip来解决。（因为tesseract的结果有一些错误）。

您可以尝试以下方法：

import pytesseract
import re

data = pytesseract.image_to_string('OCR.png')
dataList = re.split(r',|\.| ',data) # split the string
resultList = [int(i.strip()) for i in dataList if i != ''] # remove the '' str and convert str to int.
print(resultList)

# result: [71, 194, 38, 1701, 89, 76, 11, 83, 1629, 48, 94, 63, 132, 16, 111, 95, 84, 341, 975, 14, 40, 64, .......