您的位置:首页技术文章
文章详情页

python利用pytesseract 实现本地识别图片文字

【字号: 日期:2022-07-02 10:45:07浏览:2作者:猪猪

#!/usr/bin/env python3# -*- coding: utf-8 -*-import globfrom os import pathimport osimport pytesseractfrom PIL import Imagefrom queue import Queueimport threadingimport datetimeimport cv2def convertimg(picfile,outdir): ’调整图片大小,对于过大的图片进行压缩 picfile: 图片路径 outdir: 图片输出路径 ’ img = Image.open(picfile)  width, height = img.size  while (width * height 4000000): # 该数值压缩后的图片大约 两百多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:StudypythonProjectscrapyIpProxyport_zidian.txt’ img = cv2.imread(picfile, cv2.IMREAD_COLOR) print('正在识别图片:t' + filename) message = pytesseract.image_to_string(img,lang = ’eng’) message = message.replace(’’, ’’) message = message.replace(’’, ’’) # message = client.basicAccurate(img)  # 通用文字高精度识别,每天 800 次免费 #print('识别成功!') 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('识别图片:t' + filename + 'n' * 2) # fo.writelines('文本内容:n') # 输出文本内容 # for text in message.get(’words_result’): # fo.writelines(text.get(’words’) + ’n’) # fo.writelines(’n’ * 2) os.remove(filename) print('识别成功!') except: print(’识别失败’) print('文本导出成功!') 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('压缩过大的图片...') # 首先对过大的图片进行压缩,以提高识别速度,将压缩的图片保存与临时文件夹中 try: for picfile in glob.glob(r'D:StudypythonProjectscrapyIpProxytmp*'): convertimg(picfile, outdir) print('图片识别...') for picfile in glob.glob('tmp1/*'): ts_queue.put(picfile) #baiduOCR(picfile, outfile) #os.remove(picfile) print(’图片文本提取结束!文本输出结果位于文件中。’) #os.removedirs(outdir) return ts_queue except: print(’失败’)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(’删除耗时:’ + str(end - start)) except: print(’识别失败’)

实测速度慢,但用了多线程明显提高了速度,但准确度稍低,同样高清图片,90百分识别率。还时不时出现乱码文字,乱空格,这里展现不了,自己实践吧,重点免费的,随便识别,通向100张图片,用时快6分钟了,速度慢了一倍,但是是免费的,挺不错的了。

以上就是python利用pytesseract 实现本地识别图片文字的详细内容,更多关于python 识别图片文字的资料请关注好吧啦网其它相关文章!

标签: Python 编程
相关文章: