使用 pytesseract 檢測孟加拉語字符

Question

我正在嘗試使用 python 從圖像中檢測孟加拉字符，所以我決定使用pytesseract 。 為此，我使用了以下代碼：

import pytesseract
from PIL import Image, ImageEnhance, ImageFilter

im = Image.open("input.png") # the second one
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
im.save('temp2.png')
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
text = pytesseract.image_to_string(Image.open('temp2.png'),lang="ben")
print text

問題是，如果我給出了英文字符的圖像，則會被檢測到。 但是，當我編寫lang="ben"並從孟加拉語字符的圖像中檢測時，我的代碼會運行無休止的時間或永遠。

PS：我已將孟加拉語訓練數據下載到 tessdata 文件夾，我正在嘗試在PyCharm 中運行它。

誰能幫我解決這個問題？

input.png 的示例

Answer 1

我在 Windows 中添加了Bangla(india)語言。 下載ben.traineddata到TESSDATA_PREFIX它等於C:\\Program Files\\Tesseract 4.0.0\\tessdata在我的電腦。 然后跑，

> tesseract -l ben bangla.jpg bangla_out

在命令提示符下並在 2 秒內得到以下結果。 即使我不懂語言，結果看起來也不錯。

您是否嘗試在命令提示符下運行 tesseract 以驗證它是否適用於-l ben ？

編輯：

使用了Spyder ，類似於 PyCharm，它與 Anaconda 一起來測試它。 修改您的代碼以調用 Tesseract，如下所示。

 pytesseract.pytesseract.tesseract_cmd = "C:/Program Files/Tesseract 4.0.0/tesseract.exe"

Spyder 中的測試代碼：

 import pytesseract from PIL import Image, ImageEnhance, ImageFilter import os im = Image.open("bangla.jpg") # the second one im = im.filter(ImageFilter.MedianFilter()) enhancer = ImageEnhance.Contrast(im) im = enhancer.enhance(2) im = im.convert('1') im.save("bangla_pp.jpg") pytesseract.pytesseract.tesseract_cmd = "C:/Program Files/Tesseract 4.0.0/tesseract.exe" text = pytesseract.image_to_string(Image.open("bangla_pp.jpg"),lang="ben") print text

它在處理后的圖像上工作並產生以下結果。 顯然，處理后的圖像的 OCR 結果不如原始圖像。

處理 bangla_pp.jpg 的結果：

 প্রত্যাবর্তনকারীরা তাঁদের দেশে গিয়ে -~~-<~~~~-- প্রত্যাবর্তন-পরবর্তী আর্থিক সহায়তা = পাবেন তার

原始圖像的結果，直接提供給 Tesseract。

代碼：

 from PIL import Image import pytesseract as tess print tess.image_to_string(Image.open('bangla.jpg'), lang='ben')

輸出：

 প্রত্যাবর্তনকারীরা তাঁদের দেশে গিয়ে প্রত্যাবর্তন-পরবর্তী আর্থিক সহায়তা পাবেন তার

Answer 2

我從這里在 Windows 中安裝了一些字體

https://www.omicronlab.com/bangla-fonts.html

在那之后，它在 Pycharm 中對我來說非常好。