Python 使用PyteSeract OCR从表格图像中识别特定数字

我想从附加图像（png文件）中读取一列数字

我的代码是

import cv2
import pytesseract
import os

img = cv2.imread(os.path.join(image_path, image_name), 0)
config= "-c 
        tessedit_char_whitelist=01234567890.:ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz"

pytesseract.image_to_string(img, config=config)

此代码为我提供了输出字符串：“n113\nun\n1.08”。我们可以看到，有两个问题：

它无法识别1.13中的小数点（见附图）

完全无法阅读1.11（见附图）。它只返回“nun”

这些问题的解决方案是什么

---

您需要对图像进行预处理。一种简单的方法是调整图像大小，转换为灰度，并使用大津阈值获得二值图像。从这里，我们可以应用轻微的高斯模糊，然后反转图像，以便所需的文本提取是白色的背景是黑色的。这是经过处理的图像，可以进行OCR

光学字符识别结果

1.13
1.11
1.08

代码

---

只是想知道（1）为什么必须调整am图像的大小，使其宽度=400？（2） 为什么在GaussianBlur中将ksize参数设置为（5，5）？图像放大是为了帮助OCR处理，您放大图像的量是任意的。高斯模糊核被设置为

（5,5）

，以帮助平滑图像并在阈值化之前去除小点。这只是一个典型的内核大小。其他可以工作的尺寸是

（3,3）

或

（7,7）

，具体取决于图像和存在的噪声量

import cv2
import pytesseract
import imutils

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Resize, grayscale, Otsu's threshold
image = cv2.imread('1.png')
image = imutils.resize(image, width=400)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# Blur and perform text extraction
thresh = 255 - cv2.GaussianBlur(thresh, (5,5), 0)
data = pytesseract.image_to_string(thresh, lang='eng',config='--psm 6')
print(data)

cv2.imshow('thresh', thresh)
cv2.waitKey()