画像文字認識 python pyocr - あれこれ置き場

はじめに
サンプルコード
結果
最後に

はじめに

かなり昔に画像の文字認識を行う方法を調べていたことがありました。
その時にOCR(光学的文字認識)を行うサンプルのコードをpython(pyocr)で作成。

最近これが今でも使えるのかを調べたのでその結果と手順をメモ。
とりあえずOCRを使ってみたいという方はソースコードをコピペして使ってみてください。

サンプルコード

前提条件

使用したのはpyocrです。
使用環境はAnacondaがインストールされていることとします

インストール

必要なものは

tesseract
pyocr

です。
以下のコマンドをWindowsならばコマンドプロンプト等で、Macならターミナルで入力してインストールします。

pip install tesseract

conda install -c conda-forge tesseract

pip install pyocr

サンプルコード

使用するサンプルコードです

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import os
from PIL import Image
import pyocr
import pyocr.builders

# 画像のファイルパス
img = "00005.jpeg"

ocr_engine = pyocr.get_available_tools()
can-access-tesseract-from
ocr_engine = ocr_engine[0]

# langs = ocr_engine.get_available_languages()
# print(langs)

# OCR対象の画像ファイルを読み込む
img = Image.open(img)

# 画像を読みやすいように加工。
img=img.convert('RGB')
size=img.size
img2=Image.new('RGB',size)

border=110

for x in range(size[0]):
    for y in range(size[1]):
        r,g,b=img.getpixel((x,y))
        if r > border or g > border or b > border:
            r = 255
            g = 255
            b = 255
        img2.putpixel((x,y),(r,g,b))

builder = pyocr.builders.TextBuilder(tesseract_layout=3)

texts = ocr_engine.image_to_string(img2, lang="jpn", builder=builder)
print(texts)

9行目の

img = “00005.jpeg”

の箇所はご自身の使用した画像があるファイルパス＋ファイル名を指定してください。
詳しいOCRの仕組みは割愛しますが、白黒にして文字認識をしやすいようにプログラムが行われているようです。

結果

今回は3つの画像を試してみました。

0005.jpeg

00007.jpeg

receipt.jpg

それぞれの読み取らせた結果です。
正直文字が多いものは認識率は良くなかったです。

# 00005.jpegの結果
サル

全長50-60cmのオス

目立ったけがや看した

ae

# 00007.jpegの結果
GRg| 日 本 。 花 子 |m61#* 5』 1Hま

Ku

交生| 信和0O1年058』07昌 12345

2024年(信和06征06有01で振

|

              、!

| 東京都二代田区霞が関2ー1 2           |

|

|

|

|

|

1

# receipt.jpgの結果
1 〇う CN での

症iaにと

| ら虹二品

| Ccコ くつ(て〇

ィへてつて4

〆N 1

1 FT  てこつ

IT  1 ェT ャー1

惑必 。 お

   1 LO  1

1 ェT e

Hi! で でN4

   1 てd て

ETmiら らら

   1 TAN <ぐつ

1 での

1 } で

* 1 1 てくつ

H 1 でNM

|

:

!

|

> 本菜

1  CO (つつ

I  COの てくつ

|  (の (くつ

! bs

I  で4

1  補 4件

!  ※※

|  和※

I  レマ

I  和

1  シマ

!  で

1テー 先

1 っ三完

1一員

1 てうつ 肝 一ヽ

1 ロロ_

|   べ

1 ご

| 5中庄

|

i  トー

10P

和伸32P

†む 侯ト

内23年02月

較 ※

(

10P)

ださい

し ん誠 く

ーーユー

未日迄有

※導イッの有効期限(