如何使用Python进行PDF图片识别OCR
程序员文章站
2022-06-25 14:19:49
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...
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!
推荐阅读
-
python 使用tesseract进行图片识别
-
Windows下Python3使用Tesseract-OCR进行图片识别
-
python 通过调取百度接口进行图片OCR文字识别 高识别率
-
如何使用Python进行PDF图片识别OCR
-
【Python】使用Microsoft Azure的人脸API进行本地图片情绪识别并存入excel
-
python 使用tesseract进行图片识别
-
教你如何使用 Python 将 pdf 文档进行 加密 解密——python实用小技能分享
-
【Python】使用Microsoft Azure的人脸API进行本地图片情绪识别并存入excel
-
如何使用Python进行PDF图片识别OCR
-
java使用tesseract-ocr进行图片文字识别