使用图片识别可以快速提取图片中的信息,方便高效。
Python并不能直接对PDF进行识别,所以如果是识别PDF的话,需要先将PDF转化为图片,然后再进行识别。
必备工具可以安装3.7及以上版本
tesseract-ocr下载地址: https://github.com/UB-Mannheim/tesseract/wiki 使用最新版本即可
需要用到的库
pip install pillow
pip install opencv-python
pip install fitz
pip install PyMuPDF
pip install pytesseract
代码示例
from PIL import Image
import os
import pytesseract
import cv2 as cv
import fitz
def pdf_image(pdfPath,imgPath,zoom_x,zoom_y,rotation_angle):
# 打开PDF文件
pdf = fitz.open(pdfPath)
# 逐页读取PDF
for pg in range(0, pdf.pageCount):
page = pdf[pg]
# 设置缩放和旋转系数
trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotation_angle)
pm = page.getPixmap(matrix=trans, alpha=False)
# 开始写图像
pm.writePNG(imgPath+str(pg)+".png")
#pm.writePNG(imgPath)
pdf.close()
pdf_path ='D:/123.pdf'
img_path ='D:/123.png'
pdf_image(pdf_path,img_path,5,5,0)
# 依赖opencv
img=cv.imread(img_path)
text=pytesseract.image_to_string(Image.fromarray(img),lang='chi_tra')
# 不依赖opencv写法
# text=pytesseract.image_to_string(Image.open(img_path))
print(text)
总结识别清晰的文字图片的时候准确率非常高
但是识别手写体的话效果不太好
注意事项在安装tesseract-ocr 的时候一定要记得选择对应的语言,不然是无法正常使用的。
以上就是如何使用Python进行PDF图片识别OCR的详细内容,更多关于python pdf图片识别ocr的资料请关注软件开发网其它相关文章!
您可能感兴趣的文章:python使用PIL给图片添加文字生成海报示例python爬虫爬取图片的简单代码python制作微博图片爬取工具python邮件中附加文字、html、图片、附件实现方法python 使用xlsxwriter循环向excel中插入数据和图片的操作Python基于mediainfo批量重命名图片文件python 调整图片亮度的示例python 实现图片修复(可用于去水印)python实现图片,视频人脸识别(dlib版)python实现图片,视频人脸识别(opencv版)用Python制作音乐海报