使用pytesseract进行图像识别字母和数字 (python3.x)
前言
策划说,有一些玩家会在头像上面p自己的微信号或者QQ号之类的,可不可以把他们自动筛选出来,于是找了资料研究了下,这里分享一下
先看运行效果
环境准备:
(1) python版本3.x
(2) 安装插件,pip3 install pytesseract
(3) 安装tesseract-ocr,下载地址: https://digi.bib.uni-mannheim.de/tesseract/
(4) 配置环境变量TESSDATA_PREFIX,值为 C:\Program Files\Tesseract-OCR\tessdata
(5) 编辑文件 C:\Users\Administrator\AppData\Local\Programs\Python\Python36\Lib\site-packages\pytesseract\pytesseract.py
把
tesseract_cmd = 'tesseract'
改为:
tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract'
如下:
代码
保存以下代码为 test.py
注意修改两个地方:
(1) pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract.exe'
这里要根据你安装的tesseract.exe的位置
(2) dir = 'E://download/test_png'
这里要根据你的图片的目录
## test.py
import os
import pytesseract
from PIL import Image
from collections import defaultdict# tesseract.exe所在的文件路径
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-OCR/tesseract.exe'# 获取图片中像素点数量最多的像素
def get_threshold(image):pixel_dict = defaultdict(int)# 像素及该像素出现次数的字典rows, cols = image.sizefor i in range(rows):for j in range(cols):pixel = image.getpixel((i, j))pixel_dict[pixel] += 1count_max = max(pixel_dict.values()) # 获取像素出现出多的次数pixel_dict_reverse = {v:k for k,v in pixel_dict.items()}threshold = pixel_dict_reverse[count_max] # 获取出现次数最多的像素点return threshold# 按照阈值进行二值化处理
# threshold: 像素阈值
def get_bin_table(threshold):# 获取灰度转二值的映射tabletable = []for i in range(256):rate = 0.1 # 在threshold的适当范围内进行处理if threshold*(1-rate)<= i <= threshold*(1+rate):table.append(1)else:table.append(0)return table# 去掉二值化处理后的图片中的噪声点
def cut_noise(image):rows, cols = image.size # 图片的宽度和高度change_pos = [] # 记录噪声点位置# 遍历图片中的每个点,除掉边缘for i in range(1, rows-1):for j in range(1, cols-1):# pixel_set用来记录该店附近的黑色像素的数量pixel_set = []# 取该点的邻域为以该点为中心的九宫格for m in range(i-1, i+2):for n in range(j-1, j+2):if image.getpixel((m, n)) != 1: # 1为白色,0位黑色pixel_set.append(image.getpixel((m, n)))# 如果该位置的九宫内的黑色数量小于等于4,则判断为噪声if len(pixel_set) <= 4:change_pos.append((i,j))# 对相应位置进行像素修改,将噪声处的像素置为1(白色)for pos in change_pos:image.putpixel(pos, 1)return image # 返回修改后的图片# 识别图片中的数字加字母
# 传入参数为图片路径,返回结果为:识别结果
def OCR_lmj(img_path):image = Image.open(img_path) # 打开图片文件imgry = image.convert('L') # 转化为灰度图# 获取图片中的出现次数最多的像素,即为该图片的背景max_pixel = get_threshold(imgry)# 将图片进行二值化处理# 注意,是否使用二值化要看具体情况,有些图片二值化之后,可能关键信息会丢失,反而识别不出来table = get_bin_table(threshold=max_pixel)out = imgry.point(table, '1')# 去掉图片中的噪声(孤立点)out = cut_noise(out)#保存图片# out.save('E://figures/img_gray.jpg')# 仅识别图片中的数字#text = pytesseract.image_to_string(out, config='digits')# 识别图片中的数字和字母text = pytesseract.image_to_string(out)# 去掉识别结果中的特殊字符exclude_char_list = ' .:\\|\'\"?![],()~@#$%^&*_+-={};<>/¥'text = ''.join([x for x in text if x not in exclude_char_list])#print(text)return textdef main():# 识别指定文件目录下的图片# 图片存放目录figuresdir = 'E://download/test_png'correct_count = 0 # 图片总数total_count = 0 # 识别正确的图片数量# 遍历figures下的png,jpg文件for file in os.listdir(dir):if file.endswith('.png') or file.endswith('.jpg'):# print(file)image_path = '%s/%s'%(dir,file) # 图片路径answer = file.split('.')[0] # 图片名称,即图片中的正确文字recognizition = OCR_lmj(image_path) # 图片识别的文字结果print((answer, recognizition))if recognizition == answer: # 如果识别结果正确,则total_count加1correct_count += 1total_count += 1print('Total count: %d, correct: %d.'%(total_count, correct_count))'''# 单张图片识别image_path = 'E://figures/code (1).jpg'OCR_lmj(image_path)'''main()
运行test.py
脚本即可
附
通过图片url下载保存图片的本地
import requests
image_url = "https://www.python.org/static/community_logos/python-logo-master-v3-TM.png"r = requests.get(image_url) # create HTTP response objectwith open("python_logo.png",'wb') as f:f.write(r.content)
多线程
# python3.x
import _thread as threaddef thread_func(p1,p2,p3):print(p1,p2,p3)# 注意第二个参数必须用元祖
thread.start_new_thread(thread_func,(1,2,3))
thread.start_new_thread(thread_func,(4,5,6))
使用pytesseract进行图像识别字母和数字 (python3.x)相关推荐
- #Python3中检测字符串是否只由大写英文字母或者数字组成issupper()
31.(str).issupper() 检测字符串是否只由大写英文字母或者数字组成. #如果字符传中至少有一个字符(长度大于1) 且所有的字符都是大写英文字母或者数字返回True,否则返回False. ...
- 具有大写字母和数字的随机字符串生成
我想生成一个大小为N的字符串. 它应该由数字和大写英文字母组成,例如: 6U1S75 4Z4UKK U911K4 我如何以pythonic方式实现这一目标? #1楼 如果您需要一个随机字符串而不是伪随 ...
- python筛选数字_Python简单过滤字母和数字的方法小结
本文实例讲述了Python简单过滤字母和数字的方法.分享给大家供大家参考,具体如下: 实例1 crazystring = 'dade142.!0142f[., ]ad' # 只保留数字 new_cra ...
- python数字及字母的分离_Python简单过滤字母和数字的方法小结
本文实例讲述了Python简单过滤字母和数字的方法.分享给大家供大家参考,具体如下: 实例1 crazystring = 'dade142.!0142f[., ]ad' # 只保留数字 new_cra ...
- python 把字母转数字
python把字母转数字,其实这样说是不对的,应该说是python 把字符转数字, 就是把字符转成对应的ASCII (American Standard Code for Information In ...
- ACMNO.26 C语言-字符统计2 编写一函数,由实参传来一个字符串,统计此字符串中字母、数字、空格和其它字符的个数,在主函数中输入字符串以及输出上述结果。 只要结果,别输出什么提示信息。
题目描述 编写一函数,由实参传来一个字符串,统计此字符串中字母.数字.空格和其它字符的个数, 在主函数中输入字符串以及输出上述结果. 只要结果,别输出什么提示信息. 输入 一行字符串 输出 统计数据, ...
- java随机产生字母排序_Java生成含字母和数字的6位随机字符串
本文实例为大家分享了Java生成6位随机字符串的实现代码,具体内容如下 package com.amos.tools; import java.util.ArrayList; import java. ...
- java 数字转26个字母和26个字母转数字
数字转26字母 public String inttoString(int a){int i = 'A' + a-1;Character i1 = (char) i;return i1.toStrin ...
- python中如何判断输入的是英文字母_python如何判断一个字符是否为汉字,英文字母,数字,空还是其他...
一直在忙工作的事情,对不起大家,今后一定抽出时间来写python,和大家一起学python. 今天给大家一段代码,大家可以看一下哈. # 判断一个字符是否为汉字,英文字母,数字,空还是其他 # 使用U ...
最新文章
- Linux发行分支时间轴
- unity3d游戏开发第2版 pdf_学开发2个月,1个人做出个TapTap排行榜第4的游戏?
- SpringBoot接口幂等性实现的4种方案!
- 全球及中国生物技术产业创新发展模式及十四五应用方向研究报告2021-2027年
- SAP系统未清账和已清账的区分
- 4.14Python数据处理篇之Matplotlib系列(十四)---动态图的绘制
- 程序员基本功09 线性表
- BZOJ 2844 | HYSBZ - 2844albus就是要第一个出场——线性基
- python学习===复制list
- c java python php_php c java python 语言对比
- 学了python能干啥举例-Python爬虫学了可以做什么工作?
- 移动魔盒cm201-2原厂备份固件hitool刷机包hi3798mv300h
- 文本信息过滤中的变体词识别(一)
- 官方win10安装教程,win10系统一键安装方法
- 词类与句子成分对应关系 —— 状语篇
- 使用Lucene.net+盘古分词实现搜索查询
- android恢复出厂设置流程图,Android recovery模式
- ObjectMapper忽略多余字段
- web系统变慢了,怎么排查原因
- java strlen_字符串长度函数strlen和mb_strlen的区别示例介绍