首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >从表中读取值

问从表中读取值
EN

Stack Overflow用户
提问于 2015-07-25 10:33:42
回答 1查看 6.5K关注 0票数 5

我的问题是关于使用OCR从图像中的表中提取数据的post。

我使用tesseract将表图像转换为文本。这是很好的工作,除了表格的格式没有被保留。一种解决方案是用一些字母替换列,tesseract会识别并愚弄它,使它像一些文本一样接受表。

下面是一个没有列的表的示例

​

我使用以下代码绘制"QQ“列

代码语言:javascript
复制
im=Image.open("file.png")
draw  = ImageDraw.Draw(im)
font=ImageFont.truetype("/usr/share/fonts/gnu-free/FreeSerifBold.ttf",12)
by = font.getsize("S")[1]
col = [240,480]
px = []

for y in range(0,im.size[1],by):
    for x in col:
        draw.text((x,y),"QQ",font=font,fill=0)

im.save("res-file.png")
im.show()

它给了我以下图像

​

问题是,tesseract甚至认不出QQ。我也把QQ列写在一个空白页上,而tesseract不认识它。

有没有一种方法可以使用tesseract将这个png格式的表转换成文本?有什么东西让我逃脱了吗?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2015-07-27 13:01:25

主要问题是QQ的垂直间距。通过添加一些垂直间距和调整图像大小,我得到了可接受的结果。

代码语言:javascript
复制
im=Image.open("file.png")
draw  = ImageDraw.Draw(im)
font=ImageFont.truetype("/usr/share/fonts/gnu-free/FreeSerifBold.ttf",12)
by = font.getsize("S")[1]
col = [240,480]
px = []

for y in range(0,im.size[1],by+5):
    for x in col:
        draw.text((x,y),"QQ",font=font,fill=0)
im=im.resize((im.size[0]*2,im.size[1]*2))
im.save("res-file.png")
im.show()

以下是tesseract res-file.png outputfile之后获得的文本

八八八八

八八八八

商店§开放日期§城镇

Mike§2007-11月-09年

Abbibas§2009-1月-05§魔术城

Iuma $2009-05年1月-05§vani\x{e76f}a

Beboot§2009-3月-31节

基础材料$2008-6月-27§o\d york

票数 2
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/31625537

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档