如何使用Python進(jìn)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(jìn)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(jìn)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(jìn)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(zhǔn)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(jìn)行PDF圖片識別OCR的詳細(xì)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

Python中函數(shù)參數(shù)匹配模型詳解
這篇文章主要介紹了Python函數(shù)參數(shù)匹配模型，本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下
2019-06-06
python3.5的包存放的具體路徑
在本篇內(nèi)容里小編給大家分享了一篇關(guān)于python3.5的包存放的具體路徑相關(guān)內(nèi)容，有需要的朋友們可以參考下。
2020-08-08
Python3 Tkinkter + SQLite實現(xiàn)登錄和注冊界面
這篇文章主要為大家詳細(xì)介紹了Python3 Tkinkter + SQLite實現(xiàn)登錄和注冊界面，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2019-11-11
Python爬蟲headers處理及網(wǎng)絡(luò)超時問題解決方案
這篇文章主要介紹了Python爬蟲headers處理及網(wǎng)絡(luò)超時問題解決方案,文中通過示例代碼介紹的非常詳細(xì)，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,需要的朋友可以參考下
2020-06-06
python IDLE 背景以及字體大小的修改方法
這篇文章主要介紹了python IDLE 背景以及字體的修改方法，文中通過示例代碼介紹的非常詳細(xì)，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
2019-07-07
Sentry錯誤日志監(jiān)控使用方法解析
這篇文章主要介紹了Sentry錯誤日志監(jiān)控使用方法解析,文中通過示例代碼介紹的非常詳細(xì)，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,需要的朋友可以參考下
2020-11-11
python openpyxl提取Excel圖片實現(xiàn)原理技巧
在這篇文章中,將介紹如何使用openpyxl來提取Excel中的圖片,以及它的原理和技巧,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪
2024-01-01
python繪制云雨圖raincloud?plot
這篇文章主要介紹了python繪制云雨圖raincloud?plot，Raincloud的Python實現(xiàn)是一個名為PtitPrince的包，它寫在seaborn之上，這是一個Python繪圖庫，用于從pandas數(shù)據(jù)幀中獲取漂亮的繪圖
2022-08-08
用Pelican搭建一個極簡靜態(tài)博客系統(tǒng)過程解析
這篇文章主要介紹了用Pelican搭建一個極簡靜態(tài)博客系統(tǒng)過程解析,文中通過示例代碼介紹的非常詳細(xì)，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,需要的朋友可以參考下
2019-08-08
caffe的python接口生成配置文件學(xué)習(xí)
這篇文章主要介紹了caffe的python接口生成配置文件學(xué)習(xí)，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
2022-06-06