Skip to main content
7 de 8
se añadieron 62 caracteres en el cuerpo

Las cosas importantes que debes tener en cuenta son:

  • Usar el blanco para el fondo y el negro para la fuente de los caracteres.
  • Seleccionar el modo psm adecuado. En este caso, el psm mode número 7 procura tratar la imagen como una sola línea de texto.
  • Usar la configuración tessedit_char_whitelist para especificar los caracteres deseados en tu búsqueda de texto. En este caso todo el abecedario en mayúsculas y todos los números.

Con todo eso en mente, este es el código:

import cv2
import numpy as np
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract'
img = cv2.imread('a.jpg')
grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
(_, blackWhiteImage) = cv2.threshold(grayImage, 127, 255, cv2.THRESH_BINARY)
data = pytesseract.image_to_data(blackWhiteImage, config="-c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789 --psm 7")
originalImage = cv2.cvtColor(blackWhiteImage, cv2.COLOR_GRAY2BGR)

text = []
for z, a in enumerate(data.splitlines()):
    if z != 0:
        a = a.split()
        if len(a) == 12:
            x, y = int(a[6]), int(a[7])
            w, h = int(a[8]), int(a[9])
            cv2.rectangle(originalImage, (x, y), (x + w, y + h), (0, 255, 0), 1)
            cv2.putText(originalImage, a[11], (x, y - 2), cv2.FONT_HERSHEY_DUPLEX, 0.5, (0, 0, 255), 1)
            text.append(a[11]);

print("Text result: \n", text)
cv2.imshow('Image result', originalImage)
cv2.waitKey(0)

Y el resultado:

Imagen resultado

En mi experiencia el pre-processado es clave para la buena detección asi como filtrar solo los caracteres que quieres buscar. Casi nunca obtengo un texto perfecto en mis aplicaciones, mas si puedo filtrar o comparar este texto con lo que deseo encontrar para determinar si es el deseado. En tu caso, compara el texto reconocido con el encontrado con el codigo de barras teniendo en cuenta un margen de error de uno o dos caracteres.

Puedes tratar de mejorar los resultados siguiendo esta guia:

Tesseract -Improving the quality of the output