python ocr 符号识别

原创

mob649e816594b7 2024-09-03 04:53:51 ©著作权

©著作权归作者所有：来自51CTO博客作者mob649e816594b7的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python OCR 符号识别入门指南

在现代计算机视觉中，光学字符识别（OCR）被广泛用于从图像中提取文本。本文将带领刚入行的小白，通过一系列步骤实现 Python 中的符号识别。

整体流程

以下是实现 Python OCR 符号识别的主要步骤：

步骤	描述
1	安装必要的库
2	导入库和加载图像
3	进行图像预处理
4	使用 OCR 识别文本
5	处理并展示识别结果

步骤详解

1. 安装必要的库

在开始编码之前，我们需要确保安装了一些必要的库。最常用的 OCR 库是 pytesseract，它是对 Tesseract OCR 的一个封装，同时我们还需要 Pillow 库进行图像处理。

pip install pytesseract pillow opencv-python

2. 导入库和加载图像

我们首先需要导入我们将在后续步骤中使用的库以及加载图像。

import cv2
import pytesseract
from PIL import Image

# 加载图像
image_path = "path/to/your/image.png"  # 替换为你的图像路径
image = cv2.imread(image_path)  # 用 OpenCV 读取图像

cv2 用于图像处理。
pytesseract 用于执行 OCR 操作。
Pillow 用于图像操作，有助于进一步处理。

3. 进行图像预处理

图像预处理是 OCR 的关键步骤，有助于提高识别准确率。以下是一些常见的预处理步骤：

# 转为灰度图像
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 二值化处理，增强对比度
_, binary_image = cv2.threshold(gray_image, 150, 255, cv2.THRESH_BINARY)

# 显示处理后的图像（可选）
cv2.imshow("Binary Image", binary_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

cvtColor 用于将图像转换为灰度图。
threshold 用于创建二元图像，从而增强字符与背景之间的对比度。

4. 使用 OCR 识别文本

现在，我们可以使用 pytesseract 进行字符识别。

# 进行 OCR 识别
custom_config = r'--oem 3 --psm 6'  # 自定义配置
recognized_text = pytesseract.image_to_string(binary_image, config=custom_config)

# 打印识别结果
print("识别的文本：")
print(recognized_text)

image_to_string 函数用于从处理过的图像中提取文本。
--oem 和 --psm 是 Tesseract 的参数，用于指定引擎模式和页面结构分析模式。

5. 处理并展示识别结果

最后，我们可以输出识别到的文本，并做进一步处理。这里我们将识别结果保存到文档中。

# 将结果保存到文本文件
with open("recognized_text.txt", "w", encoding="utf-8") as file:
    file.write(recognized_text)

print("识别结果已保存到 recognized_text.txt")

这段代码将识别结果存储到一个文本文件中。

实现关系图

我们可以用 Mermaid 语法画出流程关系图，表示整个 OCR 流程的不同组成部分。

erDiagram
    IMAGE {
        string image_path
    }
    PREPROCESSING {
        string gray_image
        string binary_image
    }
    OCR {
        string recognized_text
    }

    IMAGE ||--o| PREPROCESSING : processes
    PREPROCESSING ||--o| OCR : recognizes