PythonとTesseractを使用したOCRの実装

PythonとTesseractを使用して、画像から文字を読み取る方法について説明します。この記事では、Tesseractのlayoutオプションの選択に焦点を当てます。

Tesseractとは

Tesseractは、OCR（Optical Character Recognition）技術を使用して画像から文字を読み取るためのオープンソースのエンジンです。

Tesseractのインストール

Tesseractのインストールは以下のように行います。

# 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

PythonでTesseractを使用するためには、pytesseractというライブラリが必要です。また、画像を扱うためにはPillowも必要です。

pip install pytesseract Pillow

OCRの実装

以下に、PythonとTesseract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>")

Tesseractのlayoutオプション

Tesseractのlayoutオプションは、OCRの精度に大きな影響を与えます。このオプションは、画像のレイアウトをどのように解釈するかをTesseractに指示します。

以下に、各layoutオプションの説明を示します。

• 0: Orientation and script detection (OSD) only.
• 1: Automatic page segmentation with OSD.
• 2: Automatic page segmentation, but no OSD, or OCR. (not implemented)
• 3: Fully automatic page segmentation, but no OSD. (Default)
• 4: Assume a single column of text of variable sizes.
• 5: Assume a single uniform block of vertically aligned text.
• 6: Assume a single uniform block of text.
• 7: Treat the image as a single text line.
• 8: Treat the image as a single word.
• 9: Treat the image as a single word in a circle.
• 10: Treat the image as a single character.
• 11: Sparse text. Find as much text as possible in no particular order.
• 12: Sparse text with OSD.
• 13: Raw line. Treat the image as a single text line, bypassing hacks that are Tesseract-specific.

適切なlayoutオプションを選択することで、OCRの精度を向上させることが可能です。

以上が、PythonとTesseractを使用したOCRの実装についての基本的なガイドです。この情報が、あなたのプロジェクトに役立つことを願っています。.