невозможно извлечь текст из tif-изображения с помощью pytesseract в python - PullRequest
Новая
       46

невозможно извлечь текст из tif-изображения с помощью pytesseract в python

1 голос
/ 03 марта 2020

Я не могу извлечь текст из файла изображения .tif, используя pytesseract & PIL в Python. Он хорошо работает для файлов изображений .png, .jpg, выдает ошибку только в файле изображений .tif. Я использую Python 3.7.1 версию

Это выдает ошибку ниже при выполнении Python кода для файла изображения .tif. Пожалуйста, дайте мне знать, что я делаю неправильно. 

Fax3SetupState: Bits/sample must be 1 for Group 3/4 encoding/decoding.
Traceback (most recent call last):
  File "C:/Users/u88ltuc/PycharmProjects/untitled1/Image Processing/Prog1.py", line 13, in <module>
    image_to_text = pytesseract.image_to_string(image, lang='eng')
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\pytesseract\pytesseract.py", line 347, in image_to_string
    }[output_type]()
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\pytesseract\pytesseract.py", line 346, in <lambda>
    Output.STRING: lambda: run_and_get_output(*args),
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\pytesseract\pytesseract.py", line 246, in run_and_get_output
    with save(image) as (temp_name, input_filename):
  File "C:\Program Files\Python37\lib\contextlib.py", line 112, in __enter__
    return next(self.gen)
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\pytesseract\pytesseract.py", line 171, in save
    image.save(input_file_name, format=extension, **image.info)
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\PIL\Image.py", line 2102, in save
    save_handler(self, fp, filename)
  File "C:\Users\u88ltuc\PycharmProjects\untitled1\venv\lib\site-packages\PIL\TiffImagePlugin.py", line 1626, in _save
    raise OSError("encoder error %d when writing image file" % s)
OSError: encoder error -2 when writing image file

Ниже приведен код Python. 

#Import modules
from PIL import Image
import pytesseract

# Include tesseract executable in your path
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

# Create an image object of PIL library
image = Image.open(r'C:\Users\u88ltuc\Desktop\12110845-e001.tif')

# pass image into pytesseract module
image_to_text = pytesseract.image_to_string(image, lang='eng')

# Print the text
print(image_to_text)

Ниже приведено изображение tif и его ссылка:

enter image description here

https://ecat.aptiv.com/docs/default-source/ecatalog-documents/12110845-e001-tif.tif?sfvrsn=3ee3b8a1_0

1 Ответ

2 голосов
/ 04 марта 2020

Во-первых, вы должны изменить расширение вашего изображения. Это может решить вашу проблему: 

from PIL import Image
from io import BytesIO
import pytesseract

img = Image.open(r"C:\Users\u88ltuc\Desktop\12110845-e001.tif")
TempIO = BytesIO()
img.save(TempIO,format="JPEG")
img = Image.open(BytesIO(TempIO.getvalue()))

print(pytesseract.image_to_string(img))

Или, если вы не возражаете против того, чтобы на вашем рабочем столе было два одинаковых изображения, вам не нужно import BytesIO, и вот оно: 

from PIL import Image
import pytesseract

img = Image.open(r"C:\Users\u88ltuc\Desktop\12110845-e001.tif")
img.save(r"C:\Users\u88ltuc\Desktop\12110845-e001.jpg")
img = Image.open(r"C:\Users\u88ltuc\Desktop\12110845-e001.jpg")

print(pytesseract.image_to_string(img))
...