Tesseract-OCR を使用した手動の画像前処理と認識のために、Python でコードを記述しようとしています。
手動プロセス:
単一の画像のテキストを手動で認識するために、Gimp を使用して画像を前処理し、TIF 画像を作成します。次に、それを正しく認識する Tesseract-OCR にフィードします。
Gimpを使用して画像を前処理するには -
- モードを RGB / グレースケールに変更
メニュー -- イメージ -- モード -- RGB - しきい値設定
メニュー -- ツール -- カラー ツール -- しきい値 -- 自動 - モードを Indexed
Menu -- Image -- Mode -- Indexedに変更します - Resize / Scale to Width > 300px
Menu -- Image -- Scale image -- Width=300 - Tif として保存
それから私はそれにtesseractを与えます -
$ tesseract captcha.tif output -psm 6
そして、常に正確な結果が得られます。
Python コード:
OpenCV と Tesseract を使用して上記の手順を複製しようとしました -
def binarize_image_using_opencv(captcha_path, binary_image_path='input-black-n-white.jpg'):
im_gray = cv2.imread(captcha_path, cv2.CV_LOAD_IMAGE_GRAYSCALE)
(thresh, im_bw) = cv2.threshold(im_gray, 128, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
# although thresh is used below, gonna pick something suitable
im_bw = cv2.threshold(im_gray, thresh, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite(binary_image_path, im_bw)
return binary_image_path
def preprocess_image_using_opencv(captcha_path):
bin_image_path = binarize_image_using_opencv(captcha_path)
im_bin = Image.open(bin_image_path)
basewidth = 300 # in pixels
wpercent = (basewidth/float(im_bin.size[0]))
hsize = int((float(im_bin.size[1])*float(wpercent)))
big = im_bin.resize((basewidth, hsize), Image.NEAREST)
# tesseract-ocr only works with TIF so save the bigger image in that format
tif_file = "input-NEAREST.tif"
big.save(tif_file)
return tif_file
def get_captcha_text_from_captcha_image(captcha_path):
# Preprocess the image befor OCR
tif_file = preprocess_image_using_opencv(captcha_path)
# Perform OCR using tesseract-ocr library
# OCR : Optical Character Recognition
image = Image.open(tif_file)
ocr_text = image_to_string(image, config="-psm 6")
alphanumeric_text = ''.join(e for e in ocr_text)
return alphanumeric_text
しかし、私は同じ精度を得ていません。私は何を取りこぼしたか？
更新 1:
- 元の画像
- Gimp を使用して作成された Tif イメージ
- 私のpythonコードで作成されたTif画像
更新 2:
このコードは、https://github.com/hussaintamboli/python-image-to-textで入手できます。