博客

详解使用PIL ImageGrab和PyTesseract的Python

  • Post category:Python

下面是使用PIL ImageGrab和PyTesseract的Python 的完整攻略，同时还包含了两条示例说明。

什么是PIL ImageGrab

PIL是Python Image Library的缩写，是Python中一款常用的第三方图像处理库。PIL提供了许多图像处理的方法，包括图像缩放、旋转、转换格式等等。其中ImageGrab模块是Pillow中提供的一个从屏幕或者某个窗口截取图像的模块，它提供了一个grab函数来获取屏幕或者窗口的快照。

如何使用PIL ImageGrab

首先需要安装Pillow库，在安装完毕后我们就可以在Python中通过以下代码使用ImageGrab模块了：

from PIL import ImageGrab

# 获取整个屏幕的快照
im = ImageGrab.grab()
# 获取屏幕指定区域的快照
im = ImageGrab.grab(bbox=(10, 10, 510, 510))
# 获取某个窗口的快照
im = ImageGrab.grab(window_hwnd)

其中bbox参数是一个矩形范围，可以用(x1,y1,x2,y2)的方式来指定屏幕的位置和大小，最后通过.show()调用show函数查看截图。如果想要使用快捷键来截屏，可以使用ImageGrab.grabclipboard()函数，并将快照存储到系统剪贴板中，如下所示：

import time
from PIL import ImageGrab

time.sleep(5)
im = ImageGrab.grabclipboard()
im.show()

以上代码会等待5秒，然后获取剪贴板中的图像并显示到屏幕中。

什么是PyTesseract

PyTesseract是基于Tesseract-OCR的Python封装库，它能够轻松地实现图片文字识别。Tesseract-OCR是一个开源的OCR识别引擎，可以将图片转换为文字，该引擎可以支持多种语言，包括中文、英文、德语、日语等。目前，Tesseract-OCR最新的版本为v5.0.0-alpha，后续版本均使用LSTM神经网络实现，并且支持多语言。

如何使用PyTesseract

在使用PyTesseract前，需要先安装Tesseract-OCR引擎。可从以下链接下载：https://github.com/UB-Mannheim/tesseract/wiki。

在安装完毕后，通过以下代码即可使用PyTesseract进行OCR文字识别：

import pytesseract
from PIL import Image

# 打开要识别的图片
im = Image.open('test.png')
# 调用pytesseract库进行文字识别
text = pytesseract.image_to_string(im, lang='eng')

print(text)

以上代码中，我们打开了名为test.png的图片，并使用pytesseract库提供的image_to_string函数进行OCR文字识别。lang参数是支持的语言类型，默认为英语，我们也可以将其设置为其他语言。

下面，我们来看另一个示例，在读取截图之后，我们会对其进行灰度化、二值化等处理，在最后调用PyTesseract进行OCR文字识别：

import pytesseract
from PIL import Image, ImageFilter

# 获取屏幕截图
im = ImageGrab.grab(bbox=(10, 10, 510, 510)).convert('L')
# 对截图进行增强处理
im = im.filter(ImageFilter.SHARPEN)
im = im.filter(ImageFilter.MinFilter(size=3))
im = im.filter(ImageFilter.MedianFilter(size=3))
im = im.filter(ImageFilter.MaxFilter(size=3))
# 将图片二值化
threshold = 120
im = im.point(lambda x: 0 if x < threshold else 255, '1')
# 调用pytesseract进行文字识别
result = pytesseract.image_to_string(im, lang='eng')
print(result)

由此，我们就学习了如何使用PIL ImageGrab和PyTesseract实现图片截屏和OCR识别。

Tags: