使用python检测图像中的文本

我有大约100多张图片，上面有两个不同的文本。图片如下。一个被占用，另一个未被占用

那么，在python中，有没有办法使用一些代码来检测图像中的文本来区分这些图像呢

如果是这样的话，我想识别占用的图像并删除未占用的图像。 既然我是python新手，有人能帮我做这件事吗

使用和python包装器，这只是几行的任务：

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"
img = Image.open('D:\\tmp2.jpg').crop((0,0,250,35))
print(pytesseract.image_to_string(img, config='--psm 7'))

---

我已经在Windows7上测试过了。当然，我假设文本在每个图像中都出现在相同的位置（从您的示例来看，似乎确实如此）。否则，你需要找到一种更好的裁剪机制。

这个答案是基于这样的假设，即你在问题中发布的图像上只有两个不同的文本。因此，我假设字符的数量和文本的颜色总是相同的（“房间状态：未占用”和“房间状态”以红色显示为“已占用”）。也就是说，我会尝试一种更简单的方法来区分这两种不同的类型。这些图像包含彼此非常接近的字符，因此在我看来，将每个字符分开并用OCR识别是非常困难的。我会尝试一种更简单的方法，如查找包含文本的区域and查找文本的纯长度-“未占用”在文本中还有两个字符为“已占用”，因此长度距离更大。因此，您可以将图像转换为HSV颜色空间，并使用

cv2.inRange（）

函数提取文本（红色）。然后，您可以使用

cv2.morphologyEx（）

将角色合并到一个轮廓，并使用

cv2.minarealect（）

获取其长度。希望这对您有所帮助，或至少为您找到解决方案提供一个新的视角。干杯

示例代码：

import cv2
import numpy as np

# Read the image and transform to HSV colorspace.
img = cv2.imread('ocupied.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# Extract the red text.
lower_red = np.array([0,150,50])
upper_red = np.array([40,255,255])
mask_red = cv2.inRange(hsv, lower_red, upper_red)

# Search for contours on the mask.
_, contours, hierarchy = cv2.findContours(mask_red,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

# Create a new mask for further processing.
mask = np.ones(img.shape, np.uint8)*255

# Draw contours on the mask with size and ratio of borders for threshold (to remove other noises from the image).
for cnt in contours:
    size = cv2.contourArea(cnt)
    x,y,w,h = cv2.boundingRect(cnt)
    if 10000 > size > 50 and w*2.5 > h:
        cv2.drawContours(mask, [cnt], -1, (0,0,0), -1)

# Connect neighbour contours and select the biggest one (text).
kernel = np.ones((50,50),np.uint8)
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)
gray_op = cv2.cvtColor(opening, cv2.COLOR_BGR2GRAY)
_, threshold_op = cv2.threshold(gray_op, 150, 255, cv2.THRESH_BINARY_INV)
_, contours_op, hierarchy_op = cv2.findContours(threshold_op, cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)
cnt = max(contours_op, key=cv2.contourArea)

# Create rotated rectangle to get the 4 points of the rectangle.
rect = cv2.minAreaRect(cnt)

# Create bounding and calculate the "lenght" of the text.
box = cv2.boxPoints(rect)
a, b, c, d = box = np.int0(box)
bound =[]
bound.append(a)
bound.append(b)
bound.append(c)
bound.append(d)
bound = np.array(bound)
(x1, y1) = (bound[:,0].min(), bound[:,1].min())
(x2, y2) = (bound[:,0].max(), bound[:,1].max())

# Draw the rectangle.
cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),1)

# Identify the room status.   
if x2 - x1 > 200:
    print('unoccupied')
else:
    print('occupied')

# Display the result
cv2.imshow('img', img)

结果:

---

这是一项非常复杂的任务，如果你完全不熟悉python，更是如此。我建议你检查opencv进行图像检测。@对于一个真正叫Tesseract的人，我很惊讶你没有推荐Google Tesseract字符识别。除了像opencv（或Tesseract ocr）这样的软件系统外，你还需要“清洁的“图像-在本例中，将其裁剪为文本，并尽可能清晰地显示图像。“这也太复杂了！”阿利斯泰尔·卡斯卡登说，“也许我的评论有点过于严厉了。”。即使对于初学者来说，Tesseract似乎也很容易使用。我错误地认为文字图像识别将超出新程序员的能力。抱歉。我只是在拿你的名字开玩笑，并向询问者推荐软件。这是该项目的链接。

occupied

unoccupied