python数据采集11-图像识别与文字处理

网友投稿 988 2022-05-30

OCR库概述

在读取和处理图像、图像相关的机器学习以及创建图像等任务中,Python 一直都是非常出

色的语言。虽然有很多库可以进行图像处理,但在这里我们只重点介绍两个库:Pillow 和

Tesseract

Pillow

尽管 Pillow 算不上是图像处理功能最全的库,但是它拥有你需要使用的全部功能,除非你

要用 Python 重写一个 Photoshop 或进行更加复杂的研究。它也是一个文档健全且十分易用

的库。

Pillow 是从 Python 2.x 版本的 Python 图像库(Python Imaging Library,PIL)分出来的,支

持 Python 3.x 版本。和 PIL 一样,Pillow 也可以轻松地导入代码,并通过大量的过滤、修

饰甚至像素级的变换操作处理图片:

from PIL import Image, ImageFilter kitten = Image.open("kitten.jpg") blurryKitten = kitten.filter(ImageFilter.GaussianBlur) blurryKitten.save("kitten_blurred.jpg") blurryKitten.show()

1

python数据采集11-图像识别与文字处理

2

3

4

5

6

7

Tesseract

Tesseract 是一个 OCR 库,目前由 Google 赞助(Google 也是一家以 OCR 和机器学习技术

闻名于世的公司)。Tesseract 是目前公认最优秀、最精确的开源 OCR 系统。

inux 用户可以通过 apt-get 安装:

$sudo apt-get tesseract-ocr

1

2

3

$ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/ \ install/master/install)" $brew install tesseract

1

2

3

4

NumPy

虽然 NumPy 并非解决 OCR 问题时必须使用的库,但是如果你想训练 Tesseract 识别本章后

面提到的字符或字体,那么就会用到它。NumPy 是一个非常强大的库,具有大量线性代数

以及大规模科学计算的方法。因为 NumPy 可以用数学方法把图片表示成巨大的像素数组,

所以它可以流畅地配合 Tesseract 完成任务。

和其他 Python 库一样,NumPy 可以通过第三方包管理器(比如 pip)来安装

$pip install numpy

1

$tesseract text.tif textoutput | cat textoutput.txt

1

2

3

from PIL import Image import subprocess def cleanFile(filePath, newFilePath): image = Image.open(filePath) # 对图片进行阈值过滤,然后保存 image = image.point(lambda x: 0 if x<143 else 255) image.save(newFilePath) # 调用系统的tesseract命令对图片进行OCR识别 subprocess.call(["tesseract", newFilePath, "output"]) # 打开文件读取结果 outputFile = open("output.txt", 'r') print(outputFile.read()) outputFile.close() cleanFile("text_2.jpg", "text_2_clean.png")

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

Python 图像处理

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Docker下,极速体验编译pinpoint1.6.x分支
下一篇:关于ReentrantLock的误区(看源码时发现的)
相关文章