PythonとOCRを用いた画像からの文字読み取り

Pythonは、その豊富なライブラリと簡潔な文法により、多くの開発者に愛されています。その中でも、OCR（Optical Character Recognition）技術を用いて画像から文字を読み取るタスクは、Pythonの強力な機能を活かす絶好の例です。

OCRとは

OCRは、画像から文字を読み取る技術です。これは、スキャンした文書、写真のテキスト、手書きのメモなど、さまざまなソースから文字を抽出できます。

Tesseractとpytesseract

PythonでOCRを実装するためには、TesseractというオープンソースのOCRエンジンと、それをPythonで使えるようにしたライブラリであるpytesseractを使用します。

Tesseractのインストール

Tesseractは、以下のコマンドで各OSにインストールできます。

# Windows
https://github.com/UB-Mannheim/tesseract/wiki

# macOS
brew install tesseract

# Linux
sudo apt install tesseract-ocr

pytesseractとPillowのインストール

pytesseractとPillowは、以下のコマンドでインストールできます。

pip install pytesseract Pillow

画像から文字を読み取る

以下に、Pythonとpytesseractを使用して画像から文字を読み取る基本的なコードを示します。

import sys
import pytesseract
from PIL import Image

def image_to_text(image_path):
    # 画像を読み込む
    img = Image.open(image_path)
    # TesseractでOCRを実行
    text = pytesseract.image_to_string(img, lang='jpn')
    return text

if __name__ == "__main__":
    if len(sys.argv) > 1:
        image_path = sys.argv[1]  # コマンドライン引数から画像ファイルのパスを取得
        text = image_to_text(image_path)
        print(text)
    else:
        print("Usage: python app.py <path_to_image>")

このコードは、指定した画像ファイルから文字を読み取り、その結果を出力します。

まとめ

PythonとOCRを用いることで、画像から文字を読み取ることが可能です。これにより、文書のデジタル化、画像内のテキストの検索、画像からの情報抽出など、さまざまなタスクを自動化することができます。Pythonの強力な機能と豊富なライブラリを活用して、効率的なコードを書きましょう。.