Pytesseract只从图像中获取文本的一部分。

Question

我试图使用pytesseract来检测这个图像中的文本：

​

​

​

​

​

​

具体来说，我更关心的是发现正在进行的商业中断。我使用了以下代码来实现这一点：

from PIL import Image
import pytesseract
print(pytesseract.image_to_string(Image.open('/home/me/Desktop/dataset/my-dataset/Apex-Legends/loustreams_001.jpg')))

然而，它返回：

nercial break in progress

我知道我不应该期望从一行代码中得到SoTA结果，但是文本是非常可见的。我怎样才能改善这一点？

Answer 1

您可以使用image_to_data获取“进行中的商业中断”字符串。

1. 将图像转换为rgb

1. 输出为字典

1. 如果检测到的文本通过阈值置信级别，则显示.

代码：

import cv2
from pytesseract import *

img = cv2.imread("6cNav.jpg")
rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
res = image_to_data(rgb, output_type=Output.DICT)

out_txt = ""

for i in range(0, len(res["text"])):
    x = res["left"][i]
    y = res["top"][i]
    w = res["width"][i]
    h = res["height"][i]

    txt = res["text"][i]
    cnf = int(res["conf"][i])

    if cnf > 95:
        text = "".join(txt).strip()
        cv2.rectangle(img,
                      (x, y),
                      (x + w, y + h),
                      (0, 0, 255), 2)
        cv2.putText(img,
                    text,
                    (x, y - 10),
                    cv2.FONT_HERSHEY_SIMPLEX,
                    1.2, (0, 255, 255), 3)
        out_txt += " " + text

print(out_txt)
cv2.imshow("img", img)
cv2.waitKey(0)

输出：

​

​

Commercial break in progress

请注意，我的pytesseract版本是4.1.1

更新代码

对于上面的所有图像，您可以应用adaptive-threshold

​

​

• (第1和第3幅图像也类似于上述)

其结果将是：

output 1:
Commercial loreak in progress

output 2:
Commercial break in progress

output 3:
Commercial break in progress

代码：

import cv2
import pytesseract

img1 = cv2.imread("6cNav.jpg")
img2 = cv2.imread("IKHKa.jpg")
img3 = cv2.imread("VTJse.jpg")

img_lst = [img1, img2, img3]

for i, img in enumerate(img_lst):
    gry = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    thr = cv2.adaptiveThreshold(gry, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                cv2.THRESH_BINARY_INV, 11, 2)

    res = pytesseract.image_to_string(thr, config="--psm 6")
    print("output {}:".format(i+1))
    print(res)