Opencv学习项目3——pytesseract

上一次我们使用pytesseract.image_to_data(img)来检测文本，这次我们来只检测数字

项目演示

可以看到，我们只检测了数字其他的并没有检测出来

代码实现

前面两次介绍了opencv的画矩形和设置文本，这次就直接用了，不太明白的可以看之前的博客

复制代码

import cv2
import pytesseract

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

# 读取图像
img = cv2.imread('3.jpg')
# 将图像从 BGR 格式转换为 RGB 格式（因为 pytesseract 使用 RGB 格式）
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

himg, wimg, _ = img.shape
#只读取数字
cong=r'--oem 3 --psm 6 outputbase digits'
boxes = pytesseract.image_to_data(img,config=cong)
print(boxes)
for x,b in enumerate(boxes.splitlines()):
    if x!=0:
        b = b.split()
        print(b)
        if (len(b)==12 and b[10]!='0.000000' ):
            x,y,w,h = int(b[6]),int(b[7]),int(b[8]),int(b[9])
            cv2.rectangle(img,(x,y),(w+x,h+y),(0,0,255),3)
            cv2.putText(img,b[11],(x+20,y-10),cv2.FONT_HERSHEY_COMPLEX,1,(50,50,255),2)

# 显示带有文本框和识别结果的图像
cv2.imshow( 'result', img)
# 等待按键输入来关闭窗口
cv2.waitKey(0)
# 关闭所有打开的窗口
cv2.destroyAllWindows()

在 Tesseract OCR 中，config 参数用于传递额外的配置选项，以控制 OCR 引擎的行为。 r'--oem 3 --psm 6 outputbase digits' 包含了三个选项，各自的作用如下：

--oem 3:

描述：选择 OCR 引擎模式（OEM）。

值：

0: 仅使用传统的 Tesseract OCR 引擎。

1: 仅使用基于 LSTM 的 OCR 引擎。

2: 同时使用两种引擎，并结合结果。

3: 自动选择最合适的引擎（默认）。

作用：--oem 3 表示让 Tesseract 自动选择最合适的 OCR 引擎。

--psm 6:

描述：设置页面分割模式（PSM）。

值：

0: 方向和脚本检测（OSD）仅。

1: 自动分页与 OSD。

2: 自动分页，但不使用 OSD 或 OCR。

3: 全自动分页，但不使用 OSD。

4: 假设单列文本。

5: 假设垂直对齐的单列文本。

6: 假设统一间距的段落文本。

7: 假设图像为单行文本。

8: 假设图像为单个单词。

9: 假设图像为单个单词的圆圈。

10: 假设图像为单个字符。

作用：--psm 6 表示假设输入图像是一个有统一间距的段落文本。

outputbase digits:

描述：这种配置指示 Tesseract 仅识别数字。

作用：outputbase digits 配置 Tesseract 只输出数字字符，而忽略字母和其他字符。

通过组合这些选项，r'--oem 3 --psm 6 outputbase digits' 的作用是：

使用自动选择的最合适的 OCR 引擎。

假设输入图像包含一个有统一间距的段落文本。

仅识别和提取数字字符。

大家可以发现我在代码写了一句

复制代码

if (len(b)==12 and b[10]!='0.000000' ):

这个是因为读取数字文本时他将Z错认为"2"了，但是他的置信度为0，因此使用置信度为0将其筛出

如果不将其筛除则会出现这样的情况。

不过最后还是完美解决了，得到了只检测数字的结果

完成了，有兴趣的可以关注一下，近期一直更新，大佬勿喷