#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import glob
from os import path
import os
import pytesseract
from PIL import Image
from queue import Queue
import threading
import datetime
import cv2

def convertimg(picfile, outdir):
    '''調整圖片大小，對於過大的圖片進行壓縮
    picfile:    圖片路徑
    outdir：    圖片輸出路徑
    
 
'''
    img = Image.open(picfile)
    width, height = img.size
    while (width * height > 4000000):  # 該數值壓縮後的圖片大約 兩百多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:\Study\pythonProject\scrapy\IpProxy\port_zidian.txt'
        img = cv2.imread(picfile, cv2.IMREAD_COLOR)
        print("正在識別圖片：\t" + filename)
        message = pytesseract.image_to_string(img,lang = '
 
eng')
        message = message.replace('', '')
        message = message.replace('\n', '')
        # message = client.basicAccurate(img)   # 通用文字高精度識別，每天 800 次免費
        #print("識別成功！"))
        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("識別圖片：\t" + filename + "\n" * 2)
                # fo.writelines("文字內容：\n")
                # # 輸出文字內容
                # for text in message.get('words_result'):
                #     fo.writelines(text.get('words') + '\n')
                # fo.writelines('\n' * 2)
            os.remove(filename)
            print("識別成功！")
        except:
            print('識別失敗')



        print("文字匯出成功！")
        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("壓縮過大的圖片...")
    # 首先對過大的圖片進行壓縮，以提高識別速度，將壓縮的圖片儲存與臨時資料夾中
    try:
        for picfile in glob.glob(r"D:\Study\pythonProject\scrapy\IpProxy\tmp\*"):
            convertimg(picfile, outdir)
        print("圖片識別...")
        for picfile in glob.glob("tmp1/*"):
            ts_queue.put(picfile)
            #baiduOCR(picfile, outfile)
            #os.remove(picfile)
        print('圖片文字提取結束！文字輸出結果位於檔案中。' )
        #os.removedirs(outdir)
        return ts_queue
    except:
        print('失敗')

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('刪除耗時：' + str(end - start))
    except:
        print('識別失敗')

實測速度慢，但用了多執行緒明顯提高了速度，但準確度稍低，同樣高清圖片，90百分識別率。還時不時出現亂碼文字，亂空格，這裡展現不了，自己實踐吧，重點免費的，隨便識別，通向100張圖片，用時快6分鐘了，速度慢了一倍，但是是免費的，挺不錯的了。