[Python] Tesseract를 이용한 OCR

필수

1. tesseract-ocr-w64-setup-v5.0.0-alpha.20210506.exe (64 bit) 를 설치(난 설치 위치 바꿨음)
2. https://github.com/tesseract-ocr/tessdata/에서 kor.traineddata 학습된 한글 데이터 다운
   D:\보관\기타\설치프로그램\Tesseract-OCR\tessdata(설치 공간)에 kor.traineddata 파일 옮겨
   

!pip3 install pillow
!pip3 install pytesseract
!pip3 install opencv-python

 

선택

테서랙트 라이브러리 사용방법 샘플 코드 https://github.com/madmaze/pytesseract

window cmd에서 설치 경로 추가
pytesseract.pytesseract.tesseract_cmd = r'D:\보관\기타\설치프로그램\Tesseract-OCR'
setx PATH "%PATH%;D:\보관\기타\설치프로그램\Tesseract-OCR"
tesseract 쳤을 때 usage 나오면 돼

 

준비

실험 이미지를 코드가 있는 곳에 옮긴다

실험 이미지

코드

import pytesseract as ts
from PIL import Image

import matplotlib.pyplot as plt
import matplotlib.image as img
import cv2, sys, os
import numpy as np

print(cv2.__version__)

 

img_eng = Image.open('test.png')
text_eng = ts.image_to_string(img_eng, lang='eng')
print(text_eng)

img_cv = cv2.imread(r'C:/Users/012vi/Desktop/NLP-Korean/Tesseract OCR/test.png')
img_rgb = cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB)
print(ts.image_to_string(img_rgb))

위 두 식은 같은 결과

 

img_kor = Image.open('kor_test.png')
text_kor = ts.image_to_string(img_kor, lang='kor')
print(text_kor)

함수

def OCR(image, lang):
    i = Image.open(image)
    plt.imshow(i)
    plt.title(image)
    plt.axis('off')
    plt.show()
    
    text = ts.image_to_string(image, lang = lang)
    print(text)
    
    print('finish')

OCR('kor_test.png', 'kor')

함수 발전

def OCR_Folder():
    p = os.getcwd()
    path = p.replace('\\', '/')

    file_list = os.listdir(path) 
    img_files = [file for file in file_list if file.endswith('.png')] 
    print('폴더에 있는 이미지를 출력합니다\n',img_files)
    
    for f in img_files:
        OCR(f, 'kor+eng')
        
    print('finish all image processing')
    
OCR_Folder()

응용

읽고 있던 책을 찍어둔 사진을 OCR로 돌려봤습니다

def OCR(image, lang):
    i = Image.open(image)
    plt.imshow(i)
    plt.title(image)
    plt.axis('off')
    plt.show()
    
    text = ts.image_to_string(image, lang = lang)
    text = text.rstrip()
    print(text)
    
def Folder():
    os.chdir("C:/Users/012vi/Desktop/멘탈") # 지정함
    p = os.getcwd()
    path = p.replace('\\', '/')

    file_list = os.listdir(path) 
    img_files = [file for file in file_list if file.endswith('.png')] 
    print('폴더에 있는 이미지를 출력합니다\n',img_files)
    
    for f in img_files:
        OCR(f, 'kor+eng')
        
    print('finish all image processing')
    
Folder()

결과가 나쁩니다 전처리가 필요해 보이네요

 

 

 

 

 

에러 기록 

for f in img_files:  
    image = img.imread(f) 
    plt.imshow(image)
    plt.title(f)
    plt.axis("off") 
    plt.show()

Traceback (most recent call last):

  File ~\anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3369 in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)

  Input In [71] in <cell line: 1>
    image = img.imread(f) #https://github.com/python-pillow/Pillow/issues/3527

  File ~\anaconda3\lib\site-packages\matplotlib\image.py:1560 in imread
    with img_open(fname) as image:

  File ~\anaconda3\lib\site-packages\PIL\ImageFile.py:112 in __init__
    self._open()

  File ~\anaconda3\lib\site-packages\PIL\PngImagePlugin.py:676 in _open
    raise SyntaxError("not a PNG file")

  File <string>
SyntaxError: not a PNG file

위의 코드의 에러는 아래와 같이 수정하여 해결함 https://github.com/python-pillow/Pillow/issues/3527

for f in img_files:  
    image = Image.open(f)
    plt.imshow(image)
    plt.title(f)
    plt.axis("off") 
    plt.show()

 

테서랙트 참고 출처

[Python]파이썬 테서랙트(Tesseract OCR) 설치 및 사용방법 총정리 : 이미지에서 문자 텍스트 추출하는