如何使用Python从图像中提取文本？

近年来，OCR 技术发展迅速，应用越来越广泛。本文将介绍如何使用 Python 语言提取图片中的文字。

前置知识

开发环境：Python 3.0以上版本 + Tesseract OCR API

需要用到的 Python 库：numpy，pytesseract，opencv-python

安装 Tesseract OCR API

Tesseract OCR 是一款免费开源的 OCR 引擎，支持超过100种语言的识别。我们可以先从 Tesseract OCR 官网下载并安装。

安装 Python 库

pip install numpy
pip install pytesseract
pip install opencv-python

代码实现

import cv2
import numpy as np
import pytesseract

# 读入图像
img = cv2.imread('image.png')

# 转为灰度图像
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 高斯滤波去噪
blur = cv2.GaussianBlur(gray, (3, 3), 0)

# 图像二值化
ret, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 进行腐蚀和膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
erode = cv2.erode(binary, kernel)
dilate = cv2.dilate(erode, kernel)

# 定位文本区域
_, contours, hierarchy = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
rects = [cv2.boundingRect(cnt) for cnt in contours]
for rect in rects:
    x, y, w, h = rect
    if w < 50 or h < 10:
        continue
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    roi = dilate[y:y + h, x:x + w]
    roi = cv2.resize(roi, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
    text = pytesseract.image_to_string(roi, lang='eng', config='--psm 7')
    print('文本：', text)

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码说明

1. 读入图像。

img = cv2.imread('image.png')

2. 转为灰度图像。

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

3. 高斯滤波去噪。

blur = cv2.GaussianBlur(gray, (3, 3), 0)

4. 图像二值化。

ret, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

5. 进行腐蚀和膨胀。

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
erode = cv2.erode(binary, kernel)
dilate = cv2.dilate(erode, kernel)

6. 定位文本区域。

_, contours, hierarchy = cv2.findContours(dilate, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
rects = [cv2.boundingRect(cnt) for cnt in contours]
for rect in rects:
    x, y, w, h = rect
    if w < 50 or h < 10:
        continue
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)
    roi = dilate[y:y + h, x:x + w]
    roi = cv2.resize(roi, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
    text = pytesseract.image_to_string(roi, lang='eng', config='--psm 7')
    print('文本：', text)

7. 显示结果。

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果

总结

通过本文的学习，我们可以看到，使用 Python 实现 OCR 技术并不难。本文虽然只提供了基础的代码，但是可以通过不断地尝试，慢慢提高程序的识别率。