如何使用Python進行PDF圖片識別OCR

更新時間：2021年01月22日 15:53:43 作者：許鴻飛

這篇文章主要介紹了如何使用Python進行PDF圖片識別OCR，幫助大家更好的理解和使用python，感興趣的朋友可以了解下

使用場景

使用圖片識別可以快速提取圖片中的信息，方便高效。

Python并不能直接對PDF進行識別，所以如果是識別PDF的話，需要先將PDF轉(zhuǎn)化為圖片，然后再進行識別。

必備工具

Python

可以安裝3.7及以上版本

tesseract-ocr

下載地址： https://github.com/UB-Mannheim/tesseract/wiki 使用最新版本即可

需要用到的庫

pip install pillow
pip install opencv-python
pip install fitz
pip install PyMuPDF
pip install pytesseract

代碼示例

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):
  # 打開PDF文件
  pdf = fitz.open(pdfPath)
  # 逐頁讀取PDF
  for pg in range(0, pdf.pageCount):
    page = pdf[pg]
    # 設(shè)置縮放和旋轉(zhuǎn)系數(shù)
    trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotation_angle)
    pm = page.getPixmap(matrix=trans, alpha=False)
    # 開始寫圖像
    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)
# 依賴opencv
img=cv.imread(img_path)
text=pytesseract.image_to_string(Image.fromarray(img),lang='chi_tra')
# 不依賴opencv寫法
# text=pytesseract.image_to_string(Image.open(img_path))
print(text)

總結(jié)

識別清晰的文字圖片的時候準確率非常高

但是識別手寫體的話效果不太好

注意事項

在安裝tesseract-ocr 的時候一定要記得選擇對應(yīng)的語言，不然是無法正常使用的。

以上就是如何使用Python進行PDF圖片識別OCR的詳細內(nèi)容，更多關(guān)于python pdf圖片識別ocr的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章:

相關(guān)文章

Windows下實現(xiàn)將Pascal VOC轉(zhuǎn)化為TFRecords
今天小編就為大家分享一篇Windows下實現(xiàn)將Pascal VOC轉(zhuǎn)化為TFRecords，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-02-02
Windows系統(tǒng)下安裝Python的SSH模塊教程
這篇文章主要介紹了Windows系統(tǒng)下安裝Python的SSH模塊教程,本文涵蓋了pycrypto、ecdsa、paramiko、OpenSSH、SSH等模塊的安裝,需要的朋友可以參考下
2015-02-02
關(guān)于Python參數(shù)解析器argparse的應(yīng)用場景
這篇文章主要介紹了關(guān)于Python參數(shù)解析器argparse的應(yīng)用場景,argparse 模塊使編寫用戶友好的命令行界面變得容易,程序定義了所需的參數(shù)，而 argparse 將找出如何從 sys.argv 中解析這些參數(shù),需要的朋友可以參考下
2023-08-08
Django objects的查詢結(jié)果轉(zhuǎn)化為json的三種方式的方法
這篇文章主要介紹了Django objects的查詢結(jié)果轉(zhuǎn)化為json的三種方式的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
2018-11-11
淺析python表達式4+0.5值的數(shù)據(jù)類型
在本篇文章里小編給大家整理的是一篇關(guān)于python表達式4+0.5值的數(shù)據(jù)類型的知識點內(nèi)容，需要的的朋友們學(xué)習(xí)下。
2020-02-02
python實現(xiàn)超級瑪麗游戲
這篇文章主要為大家詳細介紹了python實現(xiàn)超級瑪麗游戲，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2020-03-03
pandas round方法保留兩位小數(shù)的設(shè)置實現(xiàn)
本文主要介紹了pandas round方法保留兩位小數(shù)的設(shè)置實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2022-08-08
使用python進行圖片的文字識別詳細代碼
Tesseract OCR是一款由Google團隊開發(fā)的開源OCR引擎，用于將圖片、PDF 等格式中的文本轉(zhuǎn)換為可編輯的文本格式，本文主要介紹了Python進行圖片的文字識別功能OCR的相關(guān)知識,需要的朋友可以參考下
2023-05-05
python?pandas庫讀取excel/csv中指定行或列數(shù)據(jù)
通過閱讀表格,可以發(fā)現(xiàn)Pandas中提供了非常豐富的數(shù)據(jù)讀寫方法,下面這篇文章主要給大家介紹了關(guān)于python利用pandas庫讀取excel/csv中指定行或列數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下
2022-02-02
python讀寫ini配置文件方法實例分析
這篇文章主要介紹了python讀寫ini配置文件方法,實例分析了Python針對ini配置文件的相關(guān)讀寫技巧,需要的朋友可以參考下
2015-06-06