python利用pytesseract 實現(xiàn)本地識別圖片文字
#!/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):
'''調(diào)整圖片大小,對于過大的圖片進行壓縮
picfile: 圖片路徑
outdir: 圖片輸出路徑
'''
img = Image.open(picfile)
width, height = img.size
while (width * height > 4000000): # 該數(shù)值壓縮后的圖片大約 兩百多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("正在識別圖片:\t" + filename)
message = pytesseract.image_to_string(img,lang = 'eng')
message = message.replace('', '')
message = message.replace('\n', '')
# message = client.basicAccurate(img) # 通用文字高精度識別,每天 800 次免費
#print("識別成功!"))
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("識別圖片:\t" + filename + "\n" * 2)
# fo.writelines("文本內(nèi)容:\n")
# # 輸出文本內(nèi)容
# for text in message.get('words_result'):
# fo.writelines(text.get('words') + '\n')
# fo.writelines('\n' * 2)
os.remove(filename)
print("識別成功!")
except:
print('識別失敗')
print("文本導出成功!")
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("壓縮過大的圖片...")
# 首先對過大的圖片進行壓縮,以提高識別速度,將壓縮的圖片保存與臨時文件夾中
try:
for picfile in glob.glob(r"D:\Study\pythonProject\scrapy\IpProxy\tmp\*"):
convertimg(picfile, outdir)
print("圖片識別...")
for picfile in glob.glob("tmp1/*"):
ts_queue.put(picfile)
#baiduOCR(picfile, outfile)
#os.remove(picfile)
print('圖片文本提取結(jié)束!文本輸出結(jié)果位于文件中。' )
#os.removedirs(outdir)
return ts_queue
except:
print('失敗')
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('刪除耗時:' + str(end - start))
except:
print('識別失敗')
實測速度慢,但用了多線程明顯提高了速度,但準確度稍低,同樣高清圖片,90百分識別率。還時不時出現(xiàn)亂碼文字,亂空格,這里展現(xiàn)不了,自己實踐吧,重點免費的,隨便識別,通向100張圖片,用時快6分鐘了,速度慢了一倍,但是是免費的,挺不錯的了。
以上就是python利用pytesseract 實現(xiàn)本地識別圖片文字的詳細內(nèi)容,更多關(guān)于python 識別圖片文字的資料請關(guān)注腳本之家其它相關(guān)文章!
- python pytesseract庫的實例用法
- python3光學字符識別模塊tesserocr與pytesseract的使用詳解
- Python基于內(nèi)置庫pytesseract實現(xiàn)圖片驗證碼識別功能
- python下調(diào)用pytesseract識別某網(wǎng)站驗證碼的實現(xiàn)方法
- Python 圖片文字識別的實現(xiàn)之PaddleOCR
- Python調(diào)用百度OCR實現(xiàn)圖片文字識別的示例代碼
- Python圖像處理之圖片文字識別功能(OCR)
- Python3一行代碼實現(xiàn)圖片文字識別的示例
- python利用 pytesseract快速識別提取圖片中的文字((圖片識別)
相關(guān)文章
Python語法學習之進程的創(chuàng)建與常用方法詳解
本文我們將學習一下在?Python?中去創(chuàng)建并使用多進程的方法,可以通過創(chuàng)建多個進程來幫助我們提高腳本執(zhí)行的效率,感興趣的可以了解一下2022-04-04
Python3中的最大整數(shù)和最大浮點數(shù)實例
今天小編就為大家分享一篇Python3中的最大整數(shù)和最大浮點數(shù)實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
解決python 執(zhí)行sql語句時所傳參數(shù)含有單引號的問題
這篇文章主要介紹了解決python 執(zhí)行sql語句時所傳參數(shù)含有單引號的問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
Celery批量異步調(diào)用任務(wù)一直等待結(jié)果問題
這篇文章主要介紹了Celery批量異步調(diào)用任務(wù)一直等待結(jié)果問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-11-11
Python獲取excel內(nèi)容及相關(guān)操作代碼實例
這篇文章主要介紹了Python獲取excel內(nèi)容及相關(guān)操作代碼實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-08-08

