處理圖像不是一項(xiàng)簡(jiǎn)單的任務(wù)。對(duì)你來(lái)說(shuō)，作為一個(gè)人，很容易看著某樣?xùn)|西然后馬上知道你在看什么。但電腦不是這樣工作的。

對(duì)你來(lái)說(shuō)太難的任務(wù)，比如復(fù)雜的算術(shù)，或者一般意義上的數(shù)學(xué)，是計(jì)算機(jī)毫不費(fèi)力就能完成的。但在這里，情況正好相反——對(duì)你來(lái)說(shuō)很瑣碎的任務(wù)，比如識(shí)別圖像中的貓或狗，對(duì)電腦來(lái)說(shuō)真的很難。在某種程度上，我們是天造地設(shè)的一對(duì)。至少現(xiàn)在是這樣。

雖然圖像分類(lèi)和涉及到一定程度計(jì)算機(jī)視覺(jué)的任務(wù)可能需要大量的代碼和扎實(shí)的理解，但是從格式良好的圖像中讀取文本在Python中卻是簡(jiǎn)單的，并且可以應(yīng)用于許多現(xiàn)實(shí)生活中的問(wèn)題。

在今天的帖子中，我想證明這一點(diǎn)。雖然會(huì)安裝一些庫(kù)，但不會(huì)花很多時(shí)間。這些是你需要的庫(kù):

• OpenCV
• PyTesseract

OpenCV

現(xiàn)在，這個(gè)庫(kù)將只用于加載圖像，實(shí)際上你不需要事先對(duì)它有太多了解(盡管它可能有幫助，你將看到為什么)。

根據(jù)官方文件:

OpenCV(開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù))是一個(gè)開(kāi)源的計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù)。OpenCV的目的是為計(jì)算機(jī)視覺(jué)應(yīng)用提供一個(gè)通用的基礎(chǔ)結(jié)構(gòu)，并加速機(jī)器感知在商業(yè)產(chǎn)品中的使用。OpenCV是bsd許可的產(chǎn)品，OpenCV使企業(yè)可以輕松地使用和修改代碼

簡(jiǎn)而言之，你可以使用OpenCV來(lái)做任何類(lèi)型的圖像轉(zhuǎn)換，這是一個(gè)相當(dāng)簡(jiǎn)單的庫(kù)。

如果你還沒(méi)有安裝它，那么它將只是終端中的一行：

pip install opencv-python 

差不多就是這樣。在此之前，一切都很簡(jiǎn)單，但這種情況即將改變。

PyTesseract

這個(gè)庫(kù)到底是什么東西?根據(jù)維基百科:

Tesseract是用于各種操作系統(tǒng)的光學(xué)字符識(shí)別引擎。它是免費(fèi)軟件，根據(jù)Apache許可2.0版發(fā)布，自2006年以來(lái)由Google贊助開(kāi)發(fā)。

我敢肯定，現(xiàn)在有更多復(fù)雜的庫(kù)可用，但是我發(fā)現(xiàn)這個(gè)庫(kù)運(yùn)行良好。根據(jù)我自己的經(jīng)驗(yàn)，該庫(kù)應(yīng)該能夠從任何圖像中讀取文本，但前提是該字體不會(huì)使你連連看都看不懂。

如果無(wú)法從你的圖像中讀取文字，花更多的時(shí)間使用OpenCV，應(yīng)用各種過(guò)濾器使文本高亮。

現(xiàn)在安裝在底部有些麻煩。如果你使用的是Linux，則全部歸結(jié)為幾個(gè)sudo-apt get命令：

sudo apt-get updatesudo apt-get install tesseract-ocrsudo apt-get install libtesseract-dev 

我用的是Windows系統(tǒng)，所以這個(gè)過(guò)程有點(diǎn)乏味。

首先，打開(kāi)這個(gè)URL:https://github.com/UB-Mannheim/tesseract/wiki下載32位或64位的安裝程序:

安裝本身很簡(jiǎn)單，只需單擊幾次Next。是的，你還需要做一個(gè)pip安裝:

pip install pytesseract 

接下來(lái)要需要告訴Python Tesseract安裝在何處。在Linux機(jī)器上，我不需要這樣做，但在Windows上是必需的。默認(rèn)情況下，它安裝Program Files。

如果你做的一切正確，執(zhí)行這些代碼應(yīng)該不會(huì)產(chǎn)生任何錯(cuò)誤:

獲取文本

讓我們從一個(gè)簡(jiǎn)單的開(kāi)始。我找到了一些免版稅的圖片，里面有一些文字，第一個(gè)是這樣的:

它應(yīng)該是簡(jiǎn)單的一個(gè)，有可能Tesseract會(huì)讀那些藍(lán)色的“對(duì)象”作為括號(hào)。讓我們看看會(huì)發(fā)生什么:

我的猜測(cè)是正確的。不過(guò)，這不是一個(gè)問(wèn)題，你可以使用一些Python技巧輕松地解決這些問(wèn)題。

下一個(gè)可能更棘手:

我希望它不會(huì)檢測(cè)到硬幣上的“B”:

看起來(lái)效果很好。

現(xiàn)在輪到你把它應(yīng)用到你自己的問(wèn)題上了。如果文本與背景混合，OpenCV技能在這里可能是至關(guān)重要的。

在你離開(kāi)之前

對(duì)計(jì)算機(jī)來(lái)說(shuō)，從圖像中讀取文本是一項(xiàng)相當(dāng)困難的任務(wù)。想想看，電腦不知道字母是什么，它只對(duì)數(shù)字有效。在引擎蓋后面發(fā)生的事情一開(kāi)始可能看起來(lái)像一個(gè)黑盒子，但我鼓勵(lì)你進(jìn)一步研究，如果這是你感興趣的領(lǐng)域。

我并不是說(shuō)PyTesseract每次都能很好地工作，但是我發(fā)現(xiàn)即使在一些比較復(fù)雜的圖像上它也足夠好。但不是所有情況都很好，有時(shí)候需要一些圖像處理需要使文本高亮讓其相對(duì)于背景更加突出。