使用Python tesseract从具有2D数组的图像中提取数字

Question

在从包含2D矩阵形式的图像中提取整数时，Tesseract无法给出正确的结果，并且每次执行代码时结果都会有所不同，有人可以告诉我们以下代码中缺少的内容吗

img = cv2.imread(img_path)
rows = img.shape[0]
cols = img.shape[1]

#print rows , cols

img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# Apply dilation and erosion to remove some noise
#kernel = np.ones((5,5), np.uint64)
#img = cv2.dilate(img, kernel, iterations=1)
#img = cv2.erode(img, kernel, iterations=1)

# Write image after removed noise

cv2.imwrite(src_path + "removed_noise1.png", img)

#  Apply threshold to get image with only black and white
#img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,225,95)
img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C , cv2.THRESH_BINARY ,251,95)
#print cv2.getGaussianKernel(ksize=221,sigma=41)

# Write the image after apply opencv to do some ...
cv2.imwrite(src_path + "thres1.png", img)

# Recognize text with tesseract for python  
result = pytesseract.image_to_string(Image.open(src_path + "thres1.png"))

输入项

阈值：adaptiveThreshold（img，255，cv2.ADAPTIVE_THRESH_GAUSSIAN_C，cv2.THRESH_BINARY，251,95

阈值输出：

输出形式为1 5 5 7 5 7 3 8 6 4 9 0 2 4 8 6 1 3 0 2 3 9 0 8 9可以是行主形式和列主形式无关紧要，但是我们可以需要将给定的输出保存到变量中

Answer 1

尝试将阈值从251、95更改为251、40。

img = cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C , cv2.THRESH_BINARY ,251,40)

看来您已经拥有完美的图像，不需要任何更改即可从图像中提取字符串。 Pytesseract的image_to_string在我的系统上不起作用，所以我使用了别人手工制作的OCR。 绝对不是世界上最好的解决方案，嘿，如果可行，它就会奏效。 我已附加了几个文件（请参阅下面的Google驱动器链接）

脚步：

1. 运行slice_img.py：这会将您的图像分成5x5块。
2. 运行TrainAndTest.py：这将从我们创建的每个图像切片中提取数字并将其保存到data.txt文件中。

请注意：

1. Training_chars.png，classifications.txt和flattened_images.txt是OCR工作所需的文件。
2. 您必须安装numpy，PIL，OpenCV库才能使上述脚本正常工作
3. 请将提供的所有文件保存在同一文件夹中，并将图像名称用作test.png

TrainAndTest.py- https: //drive.google.com/file/d/0B05aeuFExe2Aa3p3SWszN2xqU2c/view ? usp = sharing
slice_image.py- https: //drive.google.com/file/d/0B05aeuFExe2AN0t3UUlGZ3VjcW8/view ? usp = sharing
training_chars.png- https://drive.google.com/file/d/0B05aeuFExe2ANjJNbzV5VTJyRTA/view?usp=sharing
分类.txt- https://drive.google.com/file/d/0B05aeuFExe2AZU91bUpOblB3d2c/view?usp=sharing
flattened_images.txt- https: //drive.google.com/file/d/0B05aeuFExe2AeXVnbXVXVTZ2RTQ/view ? usp =sharing