用Python进行OCR图像识别，小白一定要收藏
off999 2024-09-14 07:05 37 浏览 0 评论
数据采集就怕遇到图片，只能看不能复制怎么办。手动将文字提取出来，要耗费很大的工作量。例如下图，某楼盘的一房一价表，怎么样发现单价低位的房子？光凭肉眼很难发现吧，能否让计算机进行文字的识别，然后再对这些数值型信息进行数据分析。
首先把图片中的单价提取出来，
进而生成图像：
用python就可以实现，采用现在流行的OCR图像识别。主要思路是使用机器学习模式，通过已有图片手动训练出一个图像识别模型，具体步骤如下：
一、将图片预处理，更方便计算机识别
（一）把图像灰化
使用open-cv库对图片进行处理。
使用灰化后的图片，如下图，排除干扰信息，能让识别更加稳定。
（二）把图片分割
将图片分割成小方块，一是提高识别精度，二是方便将数据储存为表格形式。可以设定好参数，根据坐标系把图片裁剪成一个个小方块，如下图，储存为jpg格式。
二、建立图像识别模型
（一）将分割好的小方块图片合并成tiff文件
下载jTessBoxEditor，打开jTessBoxEditor.jar，使用tools下的merge tiff工具，将图片合并成tiff文件。
（二）使用已有模型对tiff文件进行初识别
下载并安装tesseract，并配置好环境变量，将Tesseract-OCR和tessdata的路径加入到环境变量下的path下面。Tesseract自带图像识别的模型，例如中文简体汉字识别模型chi_sim.traineddata，英文识别模型eng.traineddata，这些模型可以网上下载，放到tessdata里面即可使用。
然后进入tiff所在文件夹。在命令窗口，输入：tesseract ***.tif *** -l +++ -psm 7 batch.nochop makebox，按回车生成box文件。其中***为tif的文件名，+++为要生成的traindata的文件名。
（三）使用jTessBoxEditor对tiff和box文件进行调整
打开jTessBoxEditor.jar，在box editor中的open按钮，打开要编辑的tif文件。编辑之后保存，生成box文件。保存在同一个文件夹里。
（四）使用tiff和box文件生成模型
在tiff和box的文件中，在命令窗口输入以下代码，最终生成模型（traindata文件）
上述脚本也可以写在bat文件中，运行脚本来生成traindata，最终仅需要将traindata复制到tessdata里面，即可使用该模型。
三、应用图像识别模型
安装完，训练完模型之后，就要在python中使用模型了。安装pytesseract，找到pytesseract.py文件，打开编辑，将其中的“tesseract_cmd = 'tesseract'”，改成tesseract的安装路径（如C:\Program Files\Tesseract-OCR\\tesseract）。
因为模型是采用灰化后的图片训练的，所以在识别时也要使用灰化。
四、优化图像识别模型
在使用中，如果有错误，可以存下来，加入训练库，优化图像识别模型。在一般是识别错误的图片，积攒一阵子后。累积做成tif文件。注意：同类错误选择几个记号了，训练库尽量小而精。
最后
如果你觉得这篇文章还不错，请大家 点赞、分享、留言 下，因为这将是我持续输出更多优质文章的最强动力！
更多爬虫、数据分析、全栈开发、人工智能学习资料自取
私信@林夕编程回复关键词【资料】
相关推荐
- 大文件传不动?WinRAR/7-Zip 入门到高手，这 5 个技巧让你效率翻倍
-
“这200张照片怎么传给女儿？微信发不了，邮箱附件又超限……”62岁的张阿姨对着电脑犯愁时，儿子只用了3分钟就把照片压缩成一个文件，还教她：“以后用压缩软件，比打包行李还方便！”职场人更懂这...
- 电脑解压缩软件推荐——7-Zip:免费、高效、简洁的文件管理神器
-
在日常工作中，我们经常需要处理压缩文件。无论是下载软件包、接收文件，还是存储大量数据，压缩和解压缩文件都成为了我们日常操作的一部分。而说到压缩解压软件，7-Zip绝对是一个不可忽视的名字。今天，我就来...
- 设置了加密密码zip文件要如何打开?这几个方法可以试试~
-
Zip是一种常见的压缩格式文件，文件还可以设置密码保护。那设置了密码的Zip文件要如何打开呢？不清楚的小伙伴一起来看看吧。当我们知道密码想要打开带密码的Zip文件，我们需要用到适用于Zip格式的解压缩...
- 大文件想要传输成功，怎么把ZIP文件分卷压缩
-
不知道各位小伙伴有没有这样的烦恼，发送很大很大的压缩包会受到限制，为此，想要在压缩过程中将文件拆分为几个压缩包并且同时为所有压缩包设置加密应该如何设置？方法一：使用7-Zip免费且强大的文件管理工具7...
- 高效处理 RAR 分卷压缩包:合并解压操作全攻略
-
在文件传输和存储过程中，当遇到大文件时，我们常常会使用分卷压缩的方式将其拆分成多个较小的压缩包，方便存储和传输。RAR作为一种常见的压缩格式，分卷压缩包的使用频率也很高。但很多人在拿到RAR分卷...
- 2个方法教你如何删除ZIP压缩包密码
-
zip压缩包设置了加密密码，每次解压文件都需要输入密码才能够顺利解压出文件，当压缩包文件不再需要加密的时候，大家肯定想删除压缩包密码，或是忘记了压缩包密码，想要通过删除操作将压缩包密码删除，就能够顺利...
- 速转!漏洞预警丨压缩软件Winrar目录穿越漏洞
-
WinRAR是一款功能强大的压缩包管理器，它是档案工具RAR在Windows环境下的图形界面。该软件可用于备份数据，缩减电子邮件附件的大小，解压缩从Internet上下载的RAR、ZIP及其它类...
- 文件解压方法和工具分享_文件解压工具下载
-
压缩文件减少文件大小，降低文件失效的概率，总得来说好处很多。所以很多文件我们下载下来都是压缩软件，很多小伙伴不知道怎么解压，或者不知道什么工具更好，所以今天做了文件解压方法和工具的分享给大家。一、解压...
- [python]《Python编程快速上手:让繁琐工作自动化》学习笔记3
-
1.组织文件笔记（第9章）(代码下载)1.1文件与文件路径通过importshutil调用shutil模块操作目录，shutil模块能够在Python程序中实现文件复制、移动、改名和删除；同时...
- Python内置tarfile模块:读写 tar 归档文件详解
-
一、学习目标1.1学习目标掌握Python内置模块tarfile的核心功能，包括：理解tar归档文件的原理与常见压缩格式（gzip/bz2/lzma）掌握tar文件的读写操作（创建、解压、查看、过滤...
- 使用python展开tar包_python拓展
-
类Unix的系统，打包文件经常使用的就是tar包，结合zip工具，可以方便的打包并解压。在python的标准库里面有tarfile库，可以方便实现生成了展开tar包。使用这个库最大的好处，可能就在于不...
- 银狐钓鱼再升级:白文件脚本化实现GO语言后门持久驻留
-
近期，火绒威胁情报中心监测到一批相对更为活跃的“银狐”系列变种木马。火绒安全工程师第一时间获取样本并进行分析。分析发现，该样本通过阿里云存储桶下发恶意文件，采用AppDomainManager进行白利...
- ZIP文件怎么打开?2个简单方法教你轻松搞定!
-
在日常工作和生活中，我们经常会遇到各种压缩文件，其中最常见的格式之一就是ZIP。ZIP文件通过压缩数据来减少文件大小，方便我们进行存储和传输。然而，对于初学者来说，如何打开ZIP文件可能会成为一个小小...
- Ubuntu—解压多个zip压缩文件.zip .z01 .z02
-
方法将所有zip文件放在同一目录中：zip_file.z01，zip_file.z02，zip_file.z03，...，zip_file.zip。在Zip3.0版本及以上，使用下列命令：将所有zi...
- 如何使用7-Zip对文件进行加密压缩
-
7-Zip是一款开源的文件归档工具，支持多种压缩格式，并提供了对压缩文件进行加密的功能。使用7-Zip可以轻松创建和解压.7z、.zip等格式的压缩文件，并且可以通过设置密码来保护压缩包中的...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python进度条 (67)
- python吧 (67)
- python的for循环 (65)
- python格式化字符串 (61)
- python静态方法 (57)
- python列表切片 (59)
- python面向对象编程 (60)
- python 代码加密 (65)
- python串口编程 (77)
- python封装 (57)
- python写入txt (66)
- python读取文件夹下所有文件 (59)
- python操作mysql数据库 (66)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python多态 (60)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)