이미지 처리와 텍스트 인식 python pillow & tesseract

Pillow

https://pillow.readthedocs.io/en/stable/installation.html

Installation

> pip install pillow

 

from PIL import Image, ImageFilter

kitten=Image.open("kitten.jpg")

blurryKitten=kitten.filter(ImageFilter.GaussianBlur)

blurryKitten.save("kitten_blurred.jpg")

blurryKitten.show()

 

 

Tessseract

OCR lib

https://tesseract-ocr.github.io/

Tesseract documentation

 

 

https://github.com/tesseract-ocr/tessdoc

GitHub - tesseract-ocr/tessdoc: Tesseract documentation

 

 

tessdoc-main.zip

2.48MB

 

> pip install numpy

 

형식이 일정한 텍스트 처리 조건(일부는 전처리로 해결가능)

표준 폰트 하나로 작성되어야 함. 손글씨, 필기체, 장식적인 폰트 제외

복사본 혹은 사진이라면 행 구분이 명료해야, 복사 열화현상, 심하게 어두워진 부분 제외

수평 정렬, 기울어진 글자가 없어야 함

텍스트가 이미지를 벗어나거나, 이미지 모서리에서 잘려서는 안 됨

https://hanbit.co.kr/support/supplement_survey.html?pcode=B7159663510 

한빛출판네트워크

source.zip

7.37MB

 

(windows)

>tesseract text.tif textoutput &type textoutput.txt 

 

from PIL import Image import subprocess def cleanFile(filePath, newFilePath):     image=Image.open(filePath)     #회색 임계점을 설정하고 이미지를 저장     image=image.point(lambda x: 0 if x<143 else 255)     image.save(newFilePath)     #새로 만든 이미지를 테서렉트로 읽습니다.     subprocess.call(["tesseract", newFilePath, "output"])     #결과 텍스트 파일을 열이 읽습니다.     outputFile=open("output.txt", 'r')     print(outputFile.read())     outputFile.close() cleanFile("text_2.png", "text_2_clean.png")