文字認識ソフトのTesseractを使ってみた

OCRをやってみたかったので調べてみました。忘れないようにメモを残します。

Tesseractのインストールと使用方法

Tesseract本体のインストールを行います。

apt install tesseract-ocr libtesseract-dev tesseract-ocr-jpn

念の為、使用できる言語を調べます。出力にjpnが入っていれば問題ありません。

tesseract --list-langs

下の画像データtest.pngを読み込み、認識結果をファイルresult.txtに出力する。

tesseract ./test.png ./result -l jpn

私の環境では正しく認識されました。なお、拡張子は勝手につけられます。

Python上でTesseractを使ってみる

pythonでTesseractを使えるようにするため、pytesseractをインストールします。

pip install pytesseract

先の画像ファイルtest.jpgを同じように認識させてみる。

import pytesseract
from PIL import Image

result = pytesseract.image_to_string(Image.open('test.png'),lang='jpn') 
print(result)

これも正しく認識されました。