如何强制 tesseract 从左到右阅读，Python

Question

我有一个条形图，我想从中提取数据点。

但是，当 tesseract 读取图像时，它是从左到右和从上到下读取的。从我的输出中，您可以看到以从左到右的顺序读取具有相同高度的条：

60.8
58.8 58.8 
58.1
56.9 56.8
54.6 547
51.8 52.2
51:3 
48.7

Jul 2019 Oct 2019 Jan 2020 Apr 2020

我不想同时读取相同高度的条。相反，我希望 tesseract 只从左到右阅读（而不是它似乎正在做的额外的从上到下）。

我在另一个 post 中读到图像应该转置以实现此目的，但如果我这样做，tesseract 似乎无法读取转置图像。

您的任何见解都会有所帮助。谢谢

from PIL import Image, ImageEnhance, ImageFilter
#from pytesseract import image_to_string
import pytesseract
import cv2


pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
from pytesseract import image_to_string
im = Image.open(r'C:\Users\Root\im.png')
print(im)

#Resizing and Transposing
new_size = tuple(6*y for y in im.size)
im = im.resize(new_size, Image.ANTIALIAS)
im  = im.transpose(Image.ROTATE_90)
im.save(r'C:\Users\Root\test.png', 'PNG')

#Grayscale for enhanced reading quality
im = cv2.imread(r'C:\Users\Root\test.png')
gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)

print(image_to_string(gray, lang='eng'))

Answer 1

不幸的是，这不是最便携的解决方案，但如果您要有很多像这样的条形图，您可以将图像从左到右切成小块，然后运行每个切片上的 OCR 分别：

width, height = im.size
numBars = 12
bottomLabelHeight = 100
leftOffset = 10
rightOffset = 20
barWidth = (width - leftOffset - rightOffset) // numBars
for i in range(leftOffset + barWidth, width - rightOffset, barWidth):
    left = i - barWidth
    right = i
    top = 0
    bottom = height - bottomLabelHeight
    bar = im.crop((left, top, right, bottom)).convert('L') # Convert to grayscale
    # bar.show() # uncomment to show bar for testing

    # Need digits whitelist for OCR to work properly
    value = image_to_string(bar, lang='eng', 
        config='--psm 10 --oem 3 -c tessedit_char_whitelist=.0123456789')
    print(value)

    # Read label for bar
    top = height - bottomLabelHeight
    bottom = height
    label = im.crop((left, top, right, bottom)).convert('L')
    print(image_to_string(label, lang='eng'))

输出：

60.8

58.1
Jul 2019
58.8

56.9

51.8
Oct 2019
54.6

56.8

58.8
Jan 2020
54.2

51.3

52.2
Apr 2020
48.7

如何强制 tesseract 从左到右阅读，Python

How to force tesseract to read left to right, Python

python

tesseract