如何以编程方式读取图像中的电子邮件并将其转换为文本？
How to programmatically read and convert email in an image to text?
我有一个包含 1900 多个 GIF 图像链接条目的 CSV 文件。
每张图片都包含一个电子邮件地址。
我想以编程方式读取每个条目并将它们转换为相应的文本，最好是另一个或同一个 CSV 文件。我使用 Mac OS 并且更喜欢使用 Python 或 Java 来完成此操作。
知道如何使用 OCR 或通过任何其他方法来完成吗？示例代码将不胜感激。
我试过 tesseract 作为样本条目，但结果不准确。这是我尝试过的：
$ tesseract email.gif out
email.gif 看起来像：
greentours2010@yahoo.com
out.txt中生成的输出是：
gveen|L7uvs2fl1fl@yahLm cum
CSV 文件如下所示（前 2 个条目）：
这是我在 SO 中的第一个问题。如果我错过了任何其他相关信息，我深表歉意。我很乐意提供更多。
更新答案
你的图像相当小，而且 blocky tesseract...
您可能会像这样使用 ImageMagick 更好地放大它们并锐化它们：
convert email.gif -resize 600x -unsharp 0x8 -threshold 95% x.png # Enlarge and sharpen
tesseract x.png text # OCR
结果
tour@chworldtraveI.com
如果您的 CSV 文件看起来像您的示例，并且名为 file.csv
http://d1hnc0v5nyu4l2.cloudfront.net/kh/communications/original/1417577580/C2AFA720-7A9C-11E4-9201-22000AA51306?1417577580
http://d306v9rz034cgu.cloudfront.net/kh/communications/original/1367212416/55BE4627-B463-4523-8332-4046835D3D79?1367212416
你可能会写
#!/bin/bash
while read f; do
convert "$f" -resize 600x -unsharp 0x8 -threshold 95% image.png
tesseract image.png text
grep "[a-z0-9]" text.txt >> results.txt
done < file.csv
你的文件 results.txt 将有
sale@myeIitetour.net
cambodia]et@onIine.com.kh
如果您确实打算在 OSX 上使用 ImageMagick 或 tesseract，请考虑使用 homebrew 安装它。它会让你的生活更轻松。不懂就问
原答案
嗯，可能是开始使用tesseract。基本上，您将输入图像文件的名称（在我的示例中为 email.png）和输出文本文件的基础文件传递给它，如下所示：
tesseract email.png text -psm 7
然后你会在文件 text.txt 中得到一些像这样的文本
lmAV@chwL7v\d1vave\z:um
您可以尝试各种不同的参数和策略来清理您的输入文件，可能使用 ImageMagick。
由于您没有说 OS 您使用的是什么，或者您的 CSV 文件是什么样的，目前很难提供进一步的帮助。
我有一个包含 1900 多个 GIF 图像链接条目的 CSV 文件。
每张图片都包含一个电子邮件地址。
我想以编程方式读取每个条目并将它们转换为相应的文本，最好是另一个或同一个 CSV 文件。我使用 Mac OS 并且更喜欢使用 Python 或 Java 来完成此操作。
知道如何使用 OCR 或通过任何其他方法来完成吗？示例代码将不胜感激。
我试过 tesseract 作为样本条目，但结果不准确。这是我尝试过的：
$ tesseract email.gif out
email.gif 看起来像：
greentours2010@yahoo.com
out.txt中生成的输出是：
gveen|L7uvs2fl1fl@yahLm cum
CSV 文件如下所示（前 2 个条目）：
这是我在 SO 中的第一个问题。如果我错过了任何其他相关信息，我深表歉意。我很乐意提供更多。
更新答案
你的图像相当小，而且 blocky tesseract...
您可能会像这样使用 ImageMagick 更好地放大它们并锐化它们：
convert email.gif -resize 600x -unsharp 0x8 -threshold 95% x.png # Enlarge and sharpen
tesseract x.png text # OCR
结果
tour@chworldtraveI.com
如果您的 CSV 文件看起来像您的示例，并且名为 file.csv
http://d1hnc0v5nyu4l2.cloudfront.net/kh/communications/original/1417577580/C2AFA720-7A9C-11E4-9201-22000AA51306?1417577580
http://d306v9rz034cgu.cloudfront.net/kh/communications/original/1367212416/55BE4627-B463-4523-8332-4046835D3D79?1367212416
你可能会写
#!/bin/bash
while read f; do
convert "$f" -resize 600x -unsharp 0x8 -threshold 95% image.png
tesseract image.png text
grep "[a-z0-9]" text.txt >> results.txt
done < file.csv
你的文件 results.txt 将有
sale@myeIitetour.net
cambodia]et@onIine.com.kh
如果您确实打算在 OSX 上使用 ImageMagick 或 tesseract，请考虑使用 homebrew 安装它。它会让你的生活更轻松。不懂就问
原答案
嗯，可能是开始使用tesseract。基本上，您将输入图像文件的名称（在我的示例中为 email.png）和输出文本文件的基础文件传递给它，如下所示：
tesseract email.png text -psm 7
然后你会在文件 text.txt 中得到一些像这样的文本
lmAV@chwL7v\d1vave\z:um
您可以尝试各种不同的参数和策略来清理您的输入文件，可能使用 ImageMagick。
由于您没有说 OS 您使用的是什么，或者您的 CSV 文件是什么样的，目前很难提供进一步的帮助。