使用场景
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
- Python
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的资料请关注其它相关文章!
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
更新日志
2024年09月25日
2024年09月25日
- 纯音入心系列纯音乐《天籁古筝》1CD[MP3][331MB]
- 男女对唱典藏天碟《发烧对唱·那个季节里的歌DSD》10CD[WAV]
- 群星2010-歌林精选辑[歌林][WAV+CUE]
- TrioZimbalist-PianoTriosofWeinberg,Auerbach,Dvorak(2024)[24-44,1]wav
- 群星.1992-滚石第一流台湾歌·12王牌大车拼【滚石】【WAV+CUE】
- 林子祥.1984-创作歌集【华纳】【WAV+CUE】
- 周汤豪.2010-周汤豪【华纳】【FLAC分轨】
- Mozart-TheStringQuintets-AmadeusQuartet,CecilAronowitz(2017)[24-44,1][WAV+CUE]
- JamesWilliamsDennisIrwin-Focus(2024,Red)[24-48]FLAC
- 藤泽麻衣《空みあげて》[WAV]
- 纯音入心系列纯音乐《中国古筝经典名曲》1CD[MP3][1.3GB]
- 纯音入心系列纯音乐《古筝新奏:岁月静好与筝语,细水流年与筝同》1CD[MP3][846.9MB]
- 670《脆弱敏感小女生》[320K/MP3][27.53MB]
- 曾琳.2011-好好爱我【南方】【WAV+CUE】
- 范晓萱.1995-RAIN【福茂】【WAV+CUE】