使用python-tesseract获取识别的单词的边界框

Question

我正在使用python-tesseract从图像中提取单词。这是tesseract的python包装器，它是一个OCR代码。

我正在使用以下代码来获取单词：

import tesseract

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_DEFAULT)
api.SetVariable("tessedit_char_whitelist", "0123456789abcdefghijklmnopqrstuvwxyz")
api.SetPageSegMode(tesseract.PSM_AUTO)

mImgFile = "test.jpg"
mBuffer=open(mImgFile,"rb").read()
result = tesseract.ProcessPagesBuffer(mBuffer,len(mBuffer),api)
print "result(ProcessPagesBuffer)=",result

这仅返回单词，而不返回它们在图像中的位置/大小/方向（或换句话说，包含它们的边界框）。我想知道是否还有办法

Answer 1

采用 pytesseract.image_to_data()

import pytesseract
from pytesseract import Output
import cv2
img = cv2.imread('image.jpg')

d = pytesseract.image_to_data(img, output_type=Output.DICT)
n_boxes = len(d['level'])
for i in range(n_boxes):
    (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('img', img)
cv2.waitKey(0)

在返回的数据中pytesseract.image_to_data()：

• left 是从边界框的左上角到图像左边界的距离。
• top 是从边界框的左上角到图像顶部的距离。
• width和height是边框的宽度和高度。
• conf是模型对该边界框内单词的预测的置信度。如果conf为-1，则表示相应的边界框包含一个文本块，而不只是一个单词。

pytesseract.image_to_boxes()包围字母返回的包围盒，所以我相信这pytesseract.image_to_data()是您想要的。