python利用pytesseract 實現本地識別圖片文字
阿新 • • 發佈:2020-12-15
#!/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。
以上就是python利用pytesseract 實現本地識別圖片文字的詳細內容,更多關於python 識別圖片文字的資料請關注我們其它相關文章!