Python学习 | 2021-11-12 视频字幕识别

最新推荐文章于 2024-07-20 16:53:56 发布

宣纸儿

最新推荐文章于 2024-07-20 16:53:56 发布

阅读量852

点赞数 1

分类专栏： Python学习文章标签： python 音视频开发语言

本文链接：https://blog.csdn.net/weixin_48816626/article/details/121280585

版权

Python学习专栏收录该内容

13 篇文章 2 订阅

订阅专栏

本文档介绍了如何安装Tesseract OCR V5.0，并提供了逐帧识别视频字幕的Python代码。首先，从指定链接下载并安装Tesseract，包括语言包，然后设置环境变量。通过cv2库截取视频帧，进行灰度化和二值化处理，再利用pytesseract库读取图像中的文字。在实际运行中，需要注意配置参数以避免报错。

摘要由CSDN通过智能技术生成

一、安装Tesseract OCR V5.0

一、安装Tesseract OCR V5.0

1、下载tesseract程序

从下载地址Index of /tesseract ，下载最新稳定版本：tesseract-ocr-w64-setup-v5.0.0.20190623.exe

2、安装语言包

安装过程可以附带选择要安装的语言包（下载速度较慢），或安装结束后拓展语言包（拷贝到tessdata目录下）

3、设置环境变量

Win+R打开命令行，输入sysdm.cpl打开设置Path的窗口，编辑Path，新建D:\Program Files\Tesseract-OCR

4、检查是否安装成功

tesseract –v 测试安装
tesseract --list-langs 测试语言包

二、视频字幕识别

操作步骤：

获取视频，逐帧截取图像字幕范围
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)灰度化
cv2.threshold(img, 220, 255, cv2.THRESH_BINARY)二值化
pytesseract.image_to_string将图像上的Tesseract OCR运行结果返回到字符串

完整代码：

import pytesseract
import cv2
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt

if __name__ == '__main__':
    path = "20210701.mp4"
    cap = cv2.VideoCapture(path)
    frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    print(frame_count)
    i=0
    while i<frame_count:
        cap.set(cv2.CAP_PROP_POS_FRAMES, i)
        _, frame = cap.read(i)
        if i==48:
            cv2.imwrite('20210701.jpg',frame)
        shape = frame.shape    #帧的尺寸/分辨率
        print(shape)
        img=frame[630:680, 50:1270]
        plt.imshow(img)
        plt.axis("off")
        plt.show()
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度图
        _, img= cv2.threshold(img, 220, 255, cv2.THRESH_BINARY)  # 灰度图（黑白二值）
        tessdata_dir_config = '--tessdata-dir "C:\\Tesseract-OCR\\tessdata"  --psm 7 -c preserve_interword_spaces=1'
        word = pytesseract.image_to_string(img,
                                           lang='chi_sim',
                                           config=' --psm 7 -c preserve_interword_spaces=1')
        print(word)
        i=i+24*2    #2秒抽一帧

        if cv2.waitKey(10) & 0xff == ord("q"):
            break

    cap.release()
    cv2.destroyAllWindows()