做网站公司赚钱吗,购买域名需要注意什么,阿里网站如何做接入,模仿淘宝网站问题1#xff1a;明明都pip install pytesseract#xff0c;但是就是安装不上
pytesseract 未安装链接: https://pan.baidu.com/s/1I4HzCgO4mITWTcZFkdil6g?pwdafes 提取码: afes
安装后一路next#xff0c;然后配置环境变量
C:\Program Files\Tesseract-OCR新建一个系统…问题1明明都pip install pytesseract但是就是安装不上
pytesseract 未安装链接: https://pan.baidu.com/s/1I4HzCgO4mITWTcZFkdil6g?pwdafes 提取码: afes
安装后一路next然后配置环境变量
C:\Program Files\Tesseract-OCR新建一个系统变量
问题2程序如果报错信息: Error opening data file D:\\Tesseract-OCR/tessdata/chi_sim.traineddata通过如下路径下载模型https://github.com/tesseract-ocr/tessdata/blob/main/chi_sim.traineddata
存储到tessdata目录下再次运行程序成功执行。
python图片转excel 我的运行效果不是太好好像说要训练什么的我在代码中加了一行避免报错 if len(item) 6:脚本思路大致是
使用OpenCV (cv2)读取图像文件。 将图像转换为灰度图并应用自适应阈值处理生成二值图像。 使用形态学运算识别表格的水平和垂直线。 检测线的交点定位表格的单元格。 使用Tesseract OCR (pytesseract)从每个单元格提取文本。 清理提取的文本去除特殊字符。 将提取的数据写入CSV文件。
import osimport cv2
import numpy as np
import pytesseract
from PIL import Image
import csv
import re
import jsondef parse_pic_to_excel_data(src):raw cv2.imread(src, 1)# 灰度图片gray cv2.cvtColor(raw, cv2.COLOR_BGR2GRAY)# 二值化binary cv2.adaptiveThreshold(~gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 35, -5)cv2.imshow(binary_picture, binary) # 展示图片rows, cols binary.shapescale 40# 自适应获取核值 识别横线kernel cv2.getStructuringElement(cv2.MORPH_RECT, (cols // scale, 1))eroded cv2.erode(binary, kernel, iterations1)dilated_col cv2.dilate(eroded, kernel, iterations1)cv2.imshow(excel_horizontal_line, dilated_col)# cv2.waitKey(0)# 识别竖线scale 20kernel cv2.getStructuringElement(cv2.MORPH_RECT, (1, rows // scale))eroded cv2.erode(binary, kernel, iterations1)dilated_row cv2.dilate(eroded, kernel, iterations1)cv2.imshow(excel_vertical_line, dilated_row)# cv2.waitKey(0)# 标识交点bitwise_and cv2.bitwise_and(dilated_col, dilated_row)cv2.imshow(excel_bitwise_and, bitwise_and)# cv2.waitKey(0)# 标识表格merge cv2.add(dilated_col, dilated_row)cv2.imshow(entire_excel_contour, merge)# cv2.waitKey(0)# 两张图片进行减法运算去掉表格框线merge2 cv2.subtract(binary, merge)cv2.imshow(binary_sub_excel_rect, merge2)new_kernel cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))erode_image cv2.morphologyEx(merge2, cv2.MORPH_OPEN, new_kernel)cv2.imshow(erode_image2, erode_image)merge3 cv2.add(erode_image, bitwise_and)cv2.imshow(merge3, merge3)# cv2.waitKey(0)# 识别黑白图中的白色交叉点将横纵坐标取出ys, xs np.where(bitwise_and 0)# 纵坐标y_point_arr []# 横坐标x_point_arr []# 通过排序获取跳变的x和y的值说明是交点否则交点会有好多像素值值相近我只取相近值的最后一点# 这个10的跳变不是固定的根据不同的图片会有微调基本上为单元格表格的高度y坐标跳变和长度x坐标跳变i 0sort_x_point np.sort(xs)for i in range(len(sort_x_point) - 1):if sort_x_point[i 1] - sort_x_point[i] 10:x_point_arr.append(sort_x_point[i])i i 1x_point_arr.append(sort_x_point[i]) # 要将最后一个点加入i 0sort_y_point np.sort(ys)# print(np.sort(ys))for i in range(len(sort_y_point) - 1):if (sort_y_point[i 1] - sort_y_point[i] 10):y_point_arr.append(sort_y_point[i])i i 1# 要将最后一个点加入y_point_arr.append(sort_y_point[i])print(y_point_arr, y_point_arr)print(x_point_arr, x_point_arr)# 循环y坐标x坐标分割表格data [[] for i in range(len(y_point_arr))]for i in range(len(y_point_arr) - 1):for j in range(len(x_point_arr) - 1):# 在分割时第一个参数为y坐标第二个参数为x坐标cell raw[y_point_arr[i]:y_point_arr[i 1], x_point_arr[j]:x_point_arr[j 1]]cv2.imshow(sub_pic str(i) str(j), cell)# 读取文字此为默认英文# pytesseract.pytesseract.tesseract_cmd E:/Tesseract-OCR/tesseract.exetext1 pytesseract.image_to_string(cell, langchi_sim)# 去除特殊字符text1 re.findall(r[^\*/:?\\|″′‖ 〈\n], text1, re.S)text1 .join(text1)print(单元格图片信息 text1)data[i].append(text1)j j 1i i 1# cv2.waitKey(0)return datadef write_csv(path, data):with open(path, w, newline) as csv_file:writer csv.writer(csv_file, dialectexcel)for item in data:# Check if the item list has at least 6 elements before accessing themif len(item) 6:writer.writerow([item[0], item[1], item[2], item[3], item[4], item[5]])if __name__ __main__:file classTable.png# 解析数据data parse_pic_to_excel_data(file)# 写入excelwrite_csv(file.replace(.png, .csv), data)
下面是原作者写的博客
https://blog.csdn.net/sc9018181134/article/details/104577247
