Оптическое Распознавание Символов (OCR)
Оптическое распознавание символов (OCR) — это мощная технология, которая преобразует изображения с текстом в машиночитаемый контент. С учетом растущей потребности в автоматизации извлечения данных, инструменты OCR стали важной частью многих приложений, начиная от оцифровки документов и заканчивая извлечением информации из сканированных изображений.
Создание OCR-приложения
В этом руководстве мы создадим OCR-приложение, которое легко работает в Google Colab, используя такие инструменты, как OpenCV для обработки изображений, Tesseract-OCR для распознавания текста, NumPy для манипуляции массивами и Matplotlib для визуализации. К концу этого руководства вы сможете загрузить изображение, предварительно обработать его, извлечь текст и загрузить результаты, все в рамках одной блокнота Colab.
Установка необходимых инструментов
Чтобы настроить среду OCR в Google Colab, мы сначала установим Tesseract-OCR, движок распознавания текста с открытым исходным кодом, с использованием apt-get. Также мы устанавливаем важные библиотеки Python, такие как pytesseract (для работы с Tesseract), OpenCV (для обработки изображений), NumPy (для численных операций) и Matplotlib (для визуализации).
- !apt-get install -y tesseract-ocr
- !pip install pytesseract opencv-python numpy matplotlib
Импорт необходимых библиотек
Далее, мы импортируем необходимые библиотеки для обработки изображений и выполнения OCR задач. OpenCV (cv2) используется для считывания и предварительной обработки изображений, в то время как pytesseract предоставляет интерфейс для движка Tesseract OCR для извлечения текста. NumPy (np) помогает с манипуляцией массивами, а Matplotlib (plt) визуализирует обработанные изображения. Модуль файлов Google Colab позволяет пользователям загружать изображения, а PIL (Image) облегчает преобразования изображений, необходимые для обработки OCR.
Процесс загрузки и обработки изображений
Чтобы обработать изображение для OCR, мы сначала должны загрузить его в Google Colab. Функция files.upload() из модуля files Google Colab позволяет пользователям выбирать и загружать файл изображения с их локальной системы. Загруженный файл хранится в словаре, с именем файла в качестве ключа. Мы извлекаем имя файла с помощью list(uploaded.keys())[0], что позволяет нам получить доступ и обработать загруженное изображение на следующих этапах.
Предварительная обработка изображения
Для повышения точности OCR мы применяем функцию предварительной обработки, которая улучшает качество изображения для извлечения текста. Функция preprocess_image() сначала считывает загруженное изображение с помощью OpenCV (cv2.imread()) и преобразует его в градации серого с использованием cv2.cvtColor(), так как изображения в градациях серого более эффективны для OCR. Далее, мы применяем бинарное пороговое преобразование методом Оцу с использованием cv2.threshold(), что позволяет выделить текст на фоне, преобразуя изображение в высококонтрастный черно-белый формат. Наконец, обработанное изображение отображается с помощью Matplotlib (plt.imshow()).
Извлечение текста
Функция extract_text() выполняет OCR на предварительно обработанном изображении. Поскольку Tesseract-OCR требует формат изображения PIL, мы сначала преобразуем NumPy массив (обработанное изображение) в изображение PIL с помощью Image.fromarray(image). Затем мы передаем это изображение в pytesseract.image_to_string(), который извлекает и возвращает обнаруженный текст. В конце извлеченный текст выводится, демонстрируя результат работы OCR.
Сохранение и загрузка результата
Чтобы обеспечить легкий доступ к извлеченному тексту, мы сохраняем его как текстовый файл с использованием встроенной обработки файлов в Python. Команда open(«extracted_text.txt», «w») создает (или перезаписывает) текстовый файл и записывает в него извлеченный результат OCR. После сохранения файла мы используем files.download(«extracted_text.txt») для предоставления автоматической ссылки для загрузки.
Заключение
В заключение, интегрируя OpenCV, Tesseract-OCR, NumPy и Matplotlib, мы успешно построили OCR-приложение, которое может обрабатывать изображения и извлекать текст в Google Colab. Этот рабочий процесс предоставляет простой и эффективный способ преобразования сканированных документов, печатных текстов или рукописного контента в цифровой текстовый формат. Предварительная обработка шаги способствуют лучшей точности, а возможность сохранять и загружать результаты делает их удобными для дальнейшего анализа.
