有人知道pytesseract的image_to_data和image_to_osd方法的输出的含义吗？

Question

我正在尝试使用 pytesseract 从图像中提取数据。此模块具有 image_to_data ， image_to_osd 方法。这两种方法提供了很多信息（TextLineOrder，WritingDirection，ScriptDetection，Orientation等）作为输出。

图像下方是 image_to_data 方法的输出。这些列（级别，block_num，par_num，line_num，word_num）的值是什么意思？

image_to_osd 的输出如下。每个术语的含义是什么？

页码：0 方向度：0 旋转：0 方向信心：16.47 剧本：拉丁语 脚本可信度：4.00

我参考了文档，但没有得到有关这些参数的任何信息。

Answer 1

列级别：

1. 没有block_num，paragraph_num，line_num，word_num的项目
2. 具有block_num且没有paragraph_num，line_num，word_num的项目
3. 具有block_num，paragraph_num和没有line_num，word_num的项目
4. 具有block_num，paragraph_num，line_num且没有word_num的项目
5. 具有所有这些编号的项目

列 block_num ：检测到的文本或项目的块号
par_num 列：检测到的文本或项目
的段落编号 line_num 列：检测到的文本或项目的行号
word_num 列：检测到的文本或项目

的单词编号

但是最重要的是，所有4列都是相互连接的。如果该项来自新行，那么字号将从0开始重新计数，它不会从上一行的最后一个字号开始继续计数。 line_num，par_num，block_num也是如此。

请查看下图以供参考。
第一栏：block_num
第二列：par_num
第三栏：line_num
第4列：word_num

Answer 2

my_image.jpg

例如，在以下代码中使用image_to_data测试my_image.jpg，我们将获得与results.png之类的结果。

results.png

• 级别= 1/2/3/4/5，当前项目的级别。

• page_num：当前项目的页面索引。在大多数情况下，一张图片只有一页。

• block_num：当前项目的块项目。当tesseract OCR 图像，它将根据PSM将图像分为几个块 参数和一些规则。一行中的单词通常成块出现。

• par_num：当前项目的段落索引。是页 分析结果。 line_num：当前项目的行索引。它是 页面分析结果。 word_num：单词索引在一个块中。

• line_num：当前项目的行索引。它是 页面分析结果。

• word_num：单词索引在一个块中。

• left / top / width / height：左上角坐标以及宽度和 当前单词的高度。

• conf：当前单词的置信度， 范围是-1〜100。-1表示此处没有文本。的 最大值是100。

• 文本：ocr这个单词。

image_to_osd结果的含义

• 页码：当前项目的页索引。在大多数情况下，一张图像只有一页。

• 方向（度）：当前图像中文本相对于其阅读角度的顺时针旋转角度，取值范围为[0，270，180，90]。

• Rotate：记录相对于当前图像顺时针旋转的角度，当前图像中的文本将转换为可读角度，取值范围为[0、270、180、90]。与[度数]值互补。

• 方向置信度：指示当前[度数]和[旋转]检测值的置信度。置信度越高，测试结果越可信，但到目前为止，尚未找到有关其值范围的解释。

• 脚本：当前图片中文本的编码类型。

• 脚本可信度：当前图像中文本编码类型的可信度。

从pytesseract导入

导入pytesseract 导入cv2

image = cv2.imread("my_image.jpg")

#swap color channel ordering from BGR (OpenCV’s default) to RGB (compatible with Tesseract and pytesseract).
# By default OpenCV stores images in BGR format and since pytesseract assumes RGB format,
# we need to convert from BGR to RGB format/mode:
rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
 
pytesseract.pytesseract.tesseract_cmd = r'C:\mypath\tesseract.exe'
custom_config = r'-c tessedit_char_whitelist=0123456789 --psm 6'
results = pytesseract.image_to_data(rgb, output_type=Output.DICT,lang='eng',config=custom_config)
print(results)