如何使用Python进行PDF图片识别OCR
更新时间：2021年01月22日 15:53:43 作者：许鸿飞
这篇文章主要介绍了如何使用Python进行PDF图片识别OCR，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
使用场景
使用图片识别可以快速提取图片中的信息，方便高效。
Python并不能直接对PDF进行识别，所以如果是识别PDF的话，需要先将PDF转化为图片，然后再进行识别。
必备工具
- Python
可以安装3.7及以上版本
- tesseract-ocr
下载地址： https://github.com/UB-Mannheim/tesseract/wiki 使用最新版本即可
- 需要用到的库
pip install pillow pip install opencv-python pip install fitz pip install PyMuPDF pip install pytesseract
代码示例
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):
# 打开PDF文件
pdf = fitz.open(pdfPath)
# 逐页读取PDF
for pg in range(0, pdf.pageCount):
page = pdf[pg]
# 设置缩放和旋转系数
trans = fitz.Matrix(zoom_x, zoom_y).preRotate(rotation_angle)
pm = page.getPixmap(matrix=trans, alpha=False)
# 开始写图像
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)
# 依赖opencv
img=cv.imread(img_path)
text=pytesseract.image_to_string(Image.fromarray(img),lang='chi_tra')
# 不依赖opencv写法
# text=pytesseract.image_to_string(Image.open(img_path))
print(text)
总结
识别清晰的文字图片的时候准确率非常高
但是识别手写体的话效果不太好
注意事项
在安装tesseract-ocr 的时候一定要记得选择对应的语言，不然是无法正常使用的。
以上就是如何使用Python进行PDF图片识别OCR的详细内容，更多关于python pdf图片识别ocr的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python函数参数匹配模型，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-06-06
在本篇内容里小编给大家分享了一篇关于python3.5的包存放的具体路径相关内容，有需要的朋友们可以参考下。2020-08-08
Python3 Tkinkter + SQLite实现登录和注册界面
这篇文章主要为大家详细介绍了Python3 Tkinkter + SQLite实现登录和注册界面，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-11-11
这篇文章主要介绍了Python爬虫headers处理及网络超时问题解决方案,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要介绍了python IDLE 背景以及字体的修改方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
这篇文章主要介绍了Sentry错误日志监控使用方法解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-11-11
python openpyxl提取Excel图片实现原理技巧
在这篇文章中,将介绍如何使用openpyxl来提取Excel中的图片,以及它的原理和技巧,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2024-01-01
这篇文章主要介绍了python绘制云雨图raincloud plot，Raincloud的Python实现是一个名为PtitPrince的包，它写在seaborn之上，这是一个Python绘图库，用于从pandas数据帧中获取漂亮的绘图2022-08-08
这篇文章主要介绍了用Pelican搭建一个极简静态博客系统过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-08-08
这篇文章主要介绍了caffe的python接口生成配置文件学习，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-06-06
最新评论