python批量识别图片指定区域文字内容

python/' target='_blank'>python批量识别图片指定区域文字内容，供大家参考，具体内容如下

简介

对于一张图片，需求识别指定区域的内容

1.截取原始图上的指定图片当做模板
2.根据模板相似度去再原始图片上识别准确坐标
3.根据坐标剪切出指定位置图片，也就是所需的内容区域
4.对指定位置图片进行ocr识别

环境

Ubuntu18.04
Python2.7

所需Python模块

1.aircv

用于识别模板再原始图的位置坐标

pip install aircv

2.Pillow

用于剪裁图片

pip install Pillow

3.Tesseract

文字识别
在此也可以用平台端的API进行更精准的识别
ubuntu下Tesseract环境安装

sudo apt-get install libpng12-dev sudo apt-get install libjpeg62-dev sudo apt-get install libtiff4-dev sudo apt-get install gcc sudo apt-get install g++ sudo apt-get install automake

1.tesseract-ocr安装

sudo apt-get install tesseract-ocr

2.pytesseract安装

pip install pytesseract

Python代码

识别对应位置

#!/usr/bin/python2.7 # -*- coding: utf-8 -*- import aircvdef matchImg(imgsrc, imgobj, confidence=0.2): """  图片对比识别imgobj在imgsrc上的相对位置（批量识别统一图片中需要的部分） :param imgsrc: 原始图片路径(str) :param imgobj: 待查找图片路径（模板）(str) :param confidence: 识别度（0<confidence<1.0） :return: None or dict({'confidence': 相似度(float), 'rectangle': 原始图片上的矩形坐标(tuple), 'result': 中心坐标(tuple)}) """ imsrc = aircv.imread(imgsrc) imobj = aircv.imread(imgobj) match_result = aircv.find_template(imsrc, imobj,         confidence) # {'confidence': 0.5435812473297119, 'rectangle': ((394, 384), (394, 416), (450, 384), (450, 416)), 'result': (422.0, 400.0)} if match_result is not None:  match_result['shape'] = (imsrc.shape[1], imsrc.shape[0]) # 0为高，1为宽 return match_result

图片剪裁

#!/usr/bin/python2.7 # -*- coding: utf-8 -*- from PIL import Image, ImageEnhancedef cutImg(imgsrc, out_img_name, coordinate): """  根据坐标位置剪切图片 :param imgsrc: 原始图片路径(str) :param out_img_name: 剪切输出图片路径(str) :param coordinate: 原始图片上的坐标(tuple) egg:(x, y, w, h) ---> x,y为矩形左上角坐标, w,h为右下角坐标 :return: """ image = Image.open(imgsrc) region = image.crop(coordinate) region = ImageEnhance.Contrast(region).enhance(1.5) region.save(out_img_name)

图片识别

#!/usr/bin/python2.7 # -*- coding: utf-8 -*- import pytesseractfrom PIL import Imageimage = Image.open('bb.png')code = pytesseract.image_to_string(image)print（code）

对于三方API识别自行研究

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。