tesseract 4.0.0-beta.1 字符周围的边界框

Posted 2023-04-17

【中文标题】tesseract 4.0.0-beta.1 字符周围的边界框

【英文标题】：Bounding boxes around characters for tesseract 4.0.0-beta.1

【发布时间】：2019-11-23 18:22:00

【问题描述】：

我正在尝试使用 tesseract 4.0.0-beta.1 进行车牌识别。在 tesseract 文档中，它被告知以 .我尝试使用“makebox”功能。但是，它并没有正确检测到每个字符。然后，在某处我读到此功能适用于 3.x 版。

我后来尝试了“wordstrbox”功能。但是这样创建的box文件是空的。谁能告诉我如何为 tesseract 4.0.0-beta.1 创建盒子文件。

【参考方案1】：

我发现 AlfyFaisy 的回答非常有帮助，只想分享代码以查看单个字符的边界框。区别在于image_to_boxes方法输出的字典的键：

import pytesseract
import cv2
from pytesseract import Output

img = cv2.imread('image.png')
height = img.shape[0]
width = img.shape[1]

d = pytesseract.image_to_boxes(img, output_type=Output.DICT)
n_boxes = len(d['char'])
for i in range(n_boxes):
    (text,x1,y2,x2,y1) = (d['char'][i],d['left'][i],d['top'][i],d['right'][i],d['bottom'][i])
    cv2.rectangle(img, (x1,height-y1), (x2,height-y2) , (0,255,0), 2)
cv2.imshow('img',img)
cv2.waitKey(0)

至少在我的机器（Python 3.6.8，cv2 4.1.0）上，cv2 方法是waitKey(0)，带有大写字母K。

这是我得到的输出：

【参考方案2】：

使用pytesseract.image_to_data()

import pytesseract
import cv2
from pytesseract import Output

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):
    (text,x,y,w,h) = (d['text'][i],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pytesseract.image_to_data()返回的数据中：

left 是离边界框左上角的距离， 到图片的左边框。 top 是离边界框左上角的距离， 到图片的上边框。 width 和 height 是边界框的宽度和高度。 conf 是模型对其中单词预测的置信度 那个边界框。如果conf 为-1，则表示对应的 边界框包含一个文本块，而不仅仅是一个 字。

pytesseract.image_to_boxes() 返回的边界框包含字母，所以我相信pytesseract.image_to_data() 就是您要查找的内容。