如何使用 PyTesseract 從圖像中提取單個字母？

Question

我正在自學 python 並試圖制作一個簡單的程序來識別圖像中的字母。 這些字母不是句子或段落的形式。 我正在嘗試使用 cv2 + pytesseract 進行檢測，但我似乎無法讓它可靠地工作。 我開始懷疑我使用了錯誤的工具來完成這項工作，但我找不到其他任何東西可以幫助我。

這是我要提取的字母的參考圖像：

理想情況下，我想要字母以及每個字母的坐標（邊界框）。 我已經能夠對圖像應用蒙版和閾值來獲得這個：

但我堅持的是 Pytesseract 無法可靠地單獨甚至正確地給我字母。 這是我的控制台 output...

$ py main.py --image test.png
D
C UL
UO

我正在使用的代碼只是獲取黑白文本圖像並通過 pytesseract 運行它。 我嘗試過使用--psm標志，但由於文本的形狀很奇怪，我運氣不佳。

text = pytesseract.image_to_string(Image.open(filename), config='-l eng --psm 11')
os.remove(filename)
print(text)

Answer 1

您可以逐個分割和處理每個字母。 您可以查看我的代碼中的詳細信息。

import cv2
import numpy as np
import pytesseract

img = cv2.imread("xO6JI.png")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

items = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
contours = items[0] if len(items) == 2 else items[1]

img_contour = img.copy()
for i in range(len(contours)):
    area = cv2.contourArea(contours[i])
    if 100 < area < 10000:
        cv2.drawContours(img_contour, contours, i, (0, 0, 255), 2)

detected = ""
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    ratio = h/w
    area = cv2.contourArea(c)
    base = np.ones(thresh.shape, dtype=np.uint8)
    if ratio > 0.9 and 100 < area < 10000:
        base[y:y+h, x:x+w] = thresh[y:y+h, x:x+w]
        segment = cv2.bitwise_not(base)

        custom_config = r'-l eng --oem 3 --psm 10 -c tessedit_char_whitelist="ABCDEFGHIJKLMNOPQRSTUVWXYZ" '
        c = pytesseract.image_to_string(segment, config=custom_config)
        print(c)
        detected = detected + c
        cv2.imshow("segment", segment)
        cv2.waitKey(0)

print("detected: " + detected)

cv2.imshow("img_contour", img_contour)

cv2.waitKey(0)
cv2.destroyAllWindows()

結果

U
O
L
C
D
detected: UOLCD