python利用pytesseract 实现本地识别图片文字
#!/usr/bin/envpython3
#-*-coding:utf-8-*-
importglob
fromosimportpath
importos
importpytesseract
fromPILimportImage
fromqueueimportQueue
importthreading
importdatetime
importcv2
defconvertimg(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)))
defbaiduOCR(ts_queue):
whilenotts_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)
withopen(outfile,'a+')asfo:
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
#fortextinmessage.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()
defduqu_tupian(dir):
ts_queue=Queue(10000)
outdir=dir
#ifpath.exists(outfile):
#os.remove(outfile)
ifnotpath.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:
forpicfileinglob.glob(r"D:\Study\pythonProject\scrapy\IpProxy\tmp\*"):
convertimg(picfile,outdir)
print("图片识别...")
forpicfileinglob.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)
returnts_queue
except:
print('失败')
if__name__=="__main__":
start=datetime.datetime.now().replace(microsecond=0)
t='tmp1'
s=duqu_tupian(t)
threads=[]
try:
foriinrange(100):
t=threading.Thread(target=baiduOCR,name='th-'+str(i),kwargs={'ts_queue':s})
threads.append(t)
fortinthreads:
t.start()
fortinthreads:
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毛票票其它相关文章！