Python 开源库，用于从图像中提取文本

什么是 PyTesseract API？

PyTesseract 是 Tesseract-OCR 的 Python 封装，它是一个功能强大的开源工具，可用于从图像中提取文本。 该库可帮助开发者将扫描的文档、手写笔记或图像中的文本转换为计算机可读的格式。 PyTesseract 广泛用于自动化、数据提取、文档数字化以及需要光学字符识别（OCR）的 AI 应用程序。

该库特别适用于自动数据输入、从屏幕截图中提取文本以及数字化印刷文档。 通过支持多种语言和高级图像处理技术，PyTesseract 提供了高效、灵活的文本提取解决方案。

GitHub 统计

姓名：
语言：
星星：
叉子：
执照：
存储库上次更新于

PyTesseract API 的主要功能

• 将图像转换为文本： 使用 OCR 从图像中提取印刷或手写文本。
• 支持多种语言： 通过 Tesseract OCR 识别 100 多种语言。
• 兼容图像预处理： 支持与 OpenCV 和 PIL 结合使用，提高 OCR 识别效果。
• 从 PDF 提取文本： 将扫描的 PDF 文件转换为可搜索文本。
• 带位置信息的文本提取： 提取文本并获取其在图像中的位置。
• 批量处理支持： 可同时对多个图像进行 OCR 处理。
• 跨平台兼容： 适用于 Windows、macOS 和 Linux。
• 开源项目： 免费使用，并由社区维护和支持。

安装 PyTesseract

在使用 PyTesseract 之前，请确保您的系统已安装 Tesseract-OCR。

安装步骤

pip install pytesseract pillow opencv-python

在 Windows 上安装 Tesseract-OCR：

# 从以下链接下载 Tesseract：
https://github.com/UB-Mannheim/tesseract/wiki

在 Linux 上安装：

sudo apt install tesseract-ocr

使用 PyTesseract API 进行文本提取的代码示例

示例 1：从图像中提取文本

import pytesseract
from PIL import Image

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

image = Image.open("sample.png")
text = pytesseract.image_to_string(image)

print(text)

示例 2：带位置信息的文本提取

import pytesseract
import cv2

image = cv2.imread("sample.png")
h, w, _ = image.shape
boxes = pytesseract.image_to_boxes(image)

for b in boxes.splitlines():
    b = b.split()
    x, y, x2, y2 = int(b[1]), int(b[2]), int(b[3]), int(b[4])
    cv2.rectangle(image, (x, h - y), (x2, h - y2), (0, 255, 0), 2)

cv2.imwrite("output.png", image)

示例 3：从灰度图像中提取文本

import pytesseract
import cv2

image = cv2.imread("sample.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
text = pytesseract.image_to_string(gray)

print(text)

类似产品