python利用pytesseract 实现本地识别图片文字

python利用pytesseract 实现本地识别图片文字

#!/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):
  '''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('n', '')
    # 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考高分网其它相关文章！