概要

この記事では、OCRエンジン「Tesseract」を使って、画像から数式を認識し、数式計算ライブラリであるSympyを使って方程式の解を解く方法について紹介します。Pythonを使った手順も含め、数式認識から計算までの流れを詳しく説明します。

動作環境

Ubuntu 22.04 LTS
Python 3.10
pytesseract 0.3.13

事前準備

1. Tesseractのインストール

Tesseractとは、Googleが開発したオープンソースの光学文字認識OCR（Optical Character Recognition）ライブラリです。
参考サイト
https://pypi.org/project/pytesseract/

pip install pytesseract

2. 関連のライブラリのインストール

Pythonで画像処理を行うためのパッケージであるOpenCVとPillowをインストールします。

sudo apt-get install python3-opencv
pip install pillow

数式計算を行うライブラリSympyもインストールします。画像から数字と演算子を認識したあとに、Sympyを使って方程式を計算します。

pip install sympy

3. 認識する画像

以下のサイトにある画像を使って、方程式の解を求めます。

コード

用意した画像を読みこんで、方程式の解を求めるPythonプログラムです。
全体コードのあとに、それぞれのコードの役割について解説します。

import pytesseract
from PIL import Image
import cv2
import sympy as sp
import re

# 画像を読み込む
image_path = '/home/folder/equation1.png'  # ここを画像のパスに変更
image = cv2.imread(image_path)

# 画像をRGBに変換（OpenCVはBGRを使用するため）
image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

# Tesseractを使用して画像内の数式をOCRで読み取る（数式設定を使用）
text = pytesseract.image_to_string(image_rgb, config='--psm 7', lang='eng+equ')

# 認識したテキストを整形
equation = text.strip().replace(' ', '')  # スペースを除去
print(f"認識された数式: {equation}")

# 必要に応じて掛け算記号（*）を挿入（例: '2x'を '2*x'に変更）
equation = re.sub(r'(\d)([a-zA-Z])', r'\1*\2', equation)
print(f"修正された数式: {equation}")

# 解の変数を初期化
solution_text = ""

# 数式に'x'が含まれているかチェック（含まれている場合は1次方程式とみなす）
if 'x' in equation:
    # SymPyで使用するシンボル'x'を定義
    x = sp.symbols('x')
    
    # SymPyは数式を '左辺 = 右辺' の形式で扱うため、数式を分割
    lhs, rhs = equation.split('=')
    
    # 左辺と右辺をSymPy式に変換
    lhs_expr = sp.sympify(lhs)
    rhs_expr = sp.sympify(rhs)
    
    # 方程式を解き、'x'の解を得る
    solution = sp.solve(lhs_expr - rhs_expr, x)
    
    # 画像に重ねるための解のテキストを準備
    solution_text = f"x = {solution[0]}"
    print(f"xの解: {solution}")
else:
    print("方程式に変数'x'が見つかりません。")

# 認識した数式と解を画像に重ねる
output_image = image.copy()

# フォント、サイズ、色、位置の設定
font = cv2.FONT_HERSHEY_SIMPLEX
font_scale = 0.7  # 小さめのフォントサイズ
font_color = (255, 0, 0)  # 青色（BGR形式）
font_thickness = 1  # 細めのフォント太さ
line_type = cv2.LINE_AA

# テキストの位置（座標を調整可能）
equation_position = (50, 50)
solution_position = (50, 100)

# 認識した数式と解を画像に重ねる
cv2.putText(output_image, f"認識された数式: {equation}",
            equation_position, font, font_scale, font_color, font_thickness, line_type)
cv2.putText(output_image, f"解: {solution_text}",
            solution_position, font, font_scale, font_color, font_thickness, line_type)

# 出力画像を保存
output_path = 'output_linearequation1.png'
cv2.imwrite(output_path, output_image)
print(f"出力画像が {output_path} として保存されました")

コードの解説

ライブラリのインポート

import pytesseract
from PIL import Image
import cv2
import sympy as sp
import re

画像の読み込み

image = cv2.imread(image_path)

指定したディレクトリから画像を読み込みます

OCRによる数字と演算子の認識

text = pytesseract.image_to_string(image_rgb, config='--psm 7', lang='eng+equ')

pytesseract で画像から文字（数字や記号等）抽出し、英語（eng ）と数字（equ ）を認識します。

数式の整形

equation = text.strip().replace(' ', '')

strip()を用いて文字列の前後にある空白や改行文字を取り除き、.replace(' ', '')を用いて文字列内のすべてのスペース（半角スペース）を取り除きます。
例えば、OCRで読み取った数式が 3 x + 2 = 5だった場合、余計なスペースが除去され、数式は 3x+2=5 という形式に変換されます。

演算子（掛け算記号）の挿入

equation = re.sub(r'(\d)([a-zA-Z])', r'\1*\2', equation)

OCRで読み取った3x+2=5 をSympyを用いて方程式の解を求めるとエラーが発生します。そこで3とxの間に掛け算を明示することで、計算可能な形式に変換します。

方程式の解の算出

if 'x' in equation: # 読みこんだ数式に変数 `x` が含まれているかをチェック
    x = sp.symbols('x') #変数ｘとして定義
    lhs, rhs = equation.split('=') #左辺、右辺の定義
    lhs_expr = sp.sympify(lhs)
    rhs_expr = sp.sympify(rhs)
    solution = sp.solve(lhs_expr - rhs_expr, x)
    solution_text = f"x = {solution[0]}"

各行で何を行っているか解説します。

変数ｘの定義
数式にが含まれていれば、SymPy の symbols 関数を使って、変数を x として定義します。

2x = sp.symbols('x')

左辺、右辺の分割
equationの数式を比較演算子 = で分割し、左右の部分（lhs と rhs）に分けます。
lhs は左辺（left-hand side）、rhs は右辺（right-hand side）を表しています。

lhs, rhs = equation.split('=')

文字列から数式オブジェクトの変換
sympify 関数を使って、文字列 lhs を SymPy の数式（式）オブジェクトに変換します。
これにより、数式をPythonの文字列ではなく、数式としての操作が可能な SymPy のオブジェクトとして扱えるようになります。rhs（右辺）も同様に SymPy の数式オブジェクトに変換します。
これで、左右の辺が数式として扱えるようになり、演算や計算が可能になります。

lhs_expr = sp.sympify(lhs)
rhs_expr = sp.sympify(rhs)

方程式の計算

solution = sp.solve(lhs_expr - rhs_expr, x)

lhs_expr - rhs_expr は、等式を lhs = rhs から lhs - rhs = 0 の形に変形しています。例えば、3*x + 2 = 5 は 3*x + 2 - 5 = 0 と変形できます。
sp.solve 関数を使用して、この方程式を x について解きます。
solution には、x の解がリスト形式で返されます。たとえば、解が x = 1 なら、solution には [1] が格納されます。

solution_text = f"x = {solution[0]}"

solution の最初の解を solution[0] で取得し、solution_text という文字列にフォーマットして代入します。
f"x = {solution[0]}" では、解が見やすい形式で出力されるように、文字列として x = 解の形式に整形しています。

実行結果

画像から一次方程式を認識し、方程式の解を求めることができました。

終わりに

今回、TesseractとPythonを使って数式を認識し、計算する方法について解説しました。WEBカメラで手書きの数式を読みこみや2次方程式の二乗も認識されるのか試してみたいと思います。