OCRで画像から文字列を抽出

sample

import cv2
import base64
import numpy as np
from PIL import Image
import pyocr

class SampleClass:
    """Sample class for OCR
    This code use tesseract-ocr
    """

    def scan(self, reqdata):
        """画像から文字列を抽出
        :param reqdata APIリクエストで画像ファイルデータを受け取る
        :return: 抽出した文字列をJSONで返却
        """
        # 保存先の画像ファイルパスを指定
        image_file=f'ファイルパス'
        # APIリクエストされた画像ファイルをbase64
        img_binary = base64.b64decode(reqdata)
        # バッファーを配列に変換
        jpg=np.frombuffer(img_binary,dtype=np.uint8)
        # デコードと書き出し
        img = cv2.imdecode(jpg, cv2.IMREAD_COLOR)
        cv2.imwrite(image_file,img)

        # OCRエンジンで画像を文字列に変換
        tesseract = pyocr.get_available_tools()[0]
        res = tesseract.image_to_string(Image.open(image_file),
            lang="jpn",builder=pyocr.builders.TextBuilder(tesseract_layout=6))

        # 返す
        return 200, {'message': 'ok', 'code': '0', 'data': res}

cv2で画像の読み取り、切り取りはこちらのようにもできる

画像をグレースケールに変える等はこちら

より詳しい使い方等はこちらのQiita記事がまとまっていました。

CentOSでOCRエンジンを入れる

# リポジトリを追加
yum-config-manager --add-repo 
# 公開鍵を追加
https://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/

sudo rpm --import https://build.opensuse.org/projects/home:Alexander_Pozdnyakov/public_key
yum update
yum install -y tesseract
yum install -y tesseract-langpack-jpn

library

python3 -m pip install pyocr
python3 -m pip install opencv-python

pyocr
opencv-python