python文字识别之pytesseract_怎么在python中利用pytesseract 对本地的图片文字进行识别...

怎么在python中利用pytesseract 对本地的图片文字进行识别

发布时间：2020-12-15 15:41:06

来源：亿速云

阅读：86

作者：Leah

怎么在python中利用pytesseract 对本地的图片文字进行识别？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

具有方法如下：#!/usr/bin/env python3

# -*- coding: utf-8 -*-

import glob

from os import path

import os

import pytesseract

from PIL import Image

from queue import Queue

import threading

import datetime

import cv2

def convertimg(picfile, outdir):

'''调整图片大小，对于过大的图片进行压缩

picfile:  图片路径

outdir：  图片输出路径

'''

img = Image.open(picfile)

width, height = img.size

while (width * height > 4000000): # 该数值压缩后的图片大约 两百多k

width = width // 2

height = height // 2

new_img = img.resize((width, height), Image.BILINEAR)

new_img.save(path.join(outdir, os.path.basename(picfile)))

def baiduOCR(ts_queue):

while not ts_queue.empty():

picfile = ts_queue.get()

filename = path.basename(picfile)

outfile = 'D:\Study\pythonProject\scrapy\IpProxy\port_zidian.txt'

img = cv2.imread(picfile, cv2.IMREAD_COLOR)

print("正在识别图片：\t" + filename)

message = pytesseract.image_to_string(img,lang = 'eng')

message = message.replace('', '')

message = message.replace('\n', '')

# message = client.basicAccurate(img)  # 通用文字高精度识别，每天 800 次免费

#print("识别成功！"))

try:

filename1 = filename.split('.')[0]

filename1 = ''.join(filename1)

with open(outfile, 'a+') as fo:

fo.writelines('\'' + filename1 + '\'' + ':' + message + ',')

fo.writelines('\n')

# fo.writelines("+" * 60 + '\n')

# fo.writelines("识别图片：\t" + filename + "\n" * 2)

# fo.writelines("文本内容：\n")

# # 输出文本内容

# for text in message.get('words_result'):

#   fo.writelines(text.get('words') + '\n')

# fo.writelines('\n' * 2)

os.remove(filename)

print("识别成功！")

except:

print('识别失败')

print("文本导出成功！")

print()

def duqu_tupian(dir):

ts_queue = Queue(10000)

outdir = dir

# if path.exists(outfile):

#   os.remove(outfile)

if not path.exists(outdir):

os.mkdir(outdir)

print("压缩过大的图片...")

# 首先对过大的图片进行压缩，以提高识别速度，将压缩的图片保存与临时文件夹中

try:

for picfile in glob.glob(r"D:\Study\pythonProject\scrapy\IpProxy\tmp\*"):

convertimg(picfile, outdir)

print("图片识别...")

for picfile in glob.glob("tmp1/*"):

ts_queue.put(picfile)

#baiduOCR(picfile, outfile)

#os.remove(picfile)

print('图片文本提取结束！文本输出结果位于文件中。' )

#os.removedirs(outdir)

return ts_queue

except:

print('失败')

if __name__ == "__main__":

start = datetime.datetime.now().replace(microsecond=0)

t = 'tmp1'

s = duqu_tupian(t)

threads = []

try:

for i in range(100):

t = threading.Thread(target=baiduOCR, name='th-' + str(i), kwargs={'ts_queue': s})

threads.append(t)

for t in threads:

t.start()

for t in threads:

t.join()

end = datetime.datetime.now().replace(microsecond=0)

print('删除耗时：' + str(end - start))

except:

print('识别失败')

实测速度慢，但用了多线程明显提高了速度，但准确度稍低，同样高清图片，90百分识别率。还时不时出现乱码文字，乱空格，这里展现不了，自己实践吧，重点免费的，随便识别，通向100张图片，用时快6分钟了，速度慢了一倍，但是是免费的，挺不错的了。

关于怎么在python中利用pytesseract 对本地的图片文字进行识别问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。