使用 pytesseract 进行 OCR 识别：以固定区域经纬度提取为例

引言

在智能交通、地图定位等应用场景中，经常会遇到需要从图像中提取经纬度信息的需求。本篇文章将介绍如何利用 Python 的 pytesseract 库结合 PIL 对图像进行预处理，通过固定区域裁剪，来有效地识别出图像上显示的经纬度信息。

1. OCR 与 pytesseract 简介

OCR（Optical Character Recognition，光学字符识别）技术能够将图片中的文字信息转换成可编辑的文本。Tesseract 是一款开源的 OCR 引擎，功能强大且准确率较高；而 pytesseract 则是其 Python 封装，可以方便地在 Python 项目中调用 Tesseract 进行识别。

在我们的示例中，我们主要针对图像上固定位置的经纬度区域进行处理与识别。由于经纬度中只包含数字、小数点、°、N、S、E、W 等字符，我们可以通过设置 白名单 限制识别字符，从而提高识别准确率

2.示例代码

下面给出完整示例代码，并附带详细的注释说明每一步的实现逻辑：

import time
import pytesseract
from PIL import Image, ImageFilter, ImageEnhanceclass OCRReader:def __init__(self, center_x, center_y, width, height, sharpness=2.0, contrast=2.0, blur_radius=1):"""初始化 OCRReader 类，使用中心点和宽高设置裁剪区域的参数，并配置图像预处理的超参数。参数：center_x (int): 经度/纬度信息区域中心点的 x 坐标（从左向右）center_y (int): 经度/纬度信息区域中心点的 y 坐标（从上向下）width (int): 裁剪区域的宽度height (int): 裁剪区域的高度sharpness (float): 锐化处理的增强系数，数字越大效果越明显contrast (float): 对比度增强系数，数字越大表示对比度越明显blur_radius (float): 高斯模糊的半径，主要用于图像降噪"""self.center_x = center_xself.center_y = center_yself.width = widthself.height = heightself.sharpness = sharpnessself.contrast = contrastself.blur_radius = blur_radius# 对于经纬度，白名单中仅包含数字、°、小数点以及方向字符self.whitelist = "0123456789°.NSEW"def preprocess_image(self, img):"""对裁剪后的图像进行预处理：包括图像的锐化、对比度增强以及高斯模糊降噪。参数：img (Image): PIL 图像对象返回：Image: 预处理后的图像对象"""# 锐化处理，增强图像细节sharpener = ImageEnhance.Sharpness(img)img = sharpener.enhance(self.sharpness)# 增强对比度，使文字更明显enhancer = ImageEnhance.Contrast(img)img = enhancer.enhance(self.contrast)# 应用高斯模糊降噪if self.blur_radius > 0:img = img.filter(ImageFilter.GaussianBlur(self.blur_radius))return imgdef read_coordinates(self, image_path):"""从给定图像文件中提取经纬度信息。参数：image_path (str): 图像文件的路径返回：str: OCR 识别出的文本"""# 加载图像img = Image.open(image_path)# 如果图像带有透明度，则将其转换为 RGB 模式（填充背景为白色）if img.mode == 'RGBA':background = Image.new('RGB', img.size, (255, 255, 255))background.paste(img, mask=img.split()[3])img = backgroundelif img.mode == 'LA':background = Image.new('L', img.size, 255)background.paste(img, mask=img.split()[1])img = background.convert('RGB')# 根据中心点坐标和宽高，计算出裁剪区域的左上角和右下角坐标left = self.center_x - self.width // 2top = self.center_y - self.height // 2right = self.center_x + self.width // 2bottom = self.center_y + self.height // 2# 裁剪图像得到经纬度显示区域cropped_img = img.crop((left, top, right, bottom))cropped_img.save('sub_img.jpg')  # 保存裁剪后的图像，便于调试# 对裁剪后的图像进行预处理processed_img = self.preprocess_image(cropped_img)processed_img.save('processed_sub_img.jpg')  # 保存预处理后的图像，便于调试# 配置 Tesseract 的识别参数：# --psm 6 表示将图像看作单一文本块# tessedit_char_whitelist 限定识别的字符集custom_config = f'--psm 6 -c tessedit_char_whitelist={self.whitelist}'result = pytesseract.image_to_string(processed_img, config=custom_config, timeout=1)return result# 示例使用
if __name__ == '__main__':ocr_reader = OCRReader(center_x=1440, center_y=802, width=204, height=20)t1 = time.time()result = ocr_reader.read_coordinates('./ocr_test.png')print("\n识别结果:", result)print(f"Time: {time.time() - t1}")

2.1 类的初始化与参数设定

• center_x 与 center_y：代表图像中经纬度展示区域的中心坐标。
• width 与 height：定义裁剪区域的尺寸。
• sharpness、contrast 和 blur_radius：预处理步骤中用于改善图像质量的参数。
• whitelist：指定 OCR 识别时只允许出现的字符，本例中仅包含经纬度所必需的字符。

2.2 图像预处理

预处理步骤主要有三个：

• 锐化：通过 ImageEnhance.Sharpness 增加图像的细节，帮助提高文字的边缘清晰度。
• 对比度增强：利用 ImageEnhance.Contrast 调整图像的对比度，使目标文字更醒目。
• 高斯模糊：适当的模糊可以起到降噪的作用，有利于提高 OCR 的识别率。

2.3 裁剪与 OCR 识别

• 裁剪区域计算：通过中心点和尺寸参数计算出目标区域的四个边界的坐标，然后使用 crop 方法裁剪图像。
• 透明度处理：有的图像可能带有透明通道（如 PNG 图片），通过转换为 RGB 模式确保 OCR 引擎能够正确处理。
• OCR 参数配置：设置 --psm 6 以适应单一文本块的场景，并通过白名单限制识别字符范围，进一步提高识别准确性。
• 超时设置：timeout=1 参数确保在识别超时时不会阻塞程序。
  

3. 总结与扩展

通过本文示例，我们展示了如何利用 pytesseract 进行专门的区域 OCR 识别，并结合图像预处理技术提升识别率。在实际项目中，你可以根据图像质量和识别场景进一步调整预处理参数，比如增加二值化处理、去背景等操作。

此外，若图像中包含不同区域的文本信息，可扩展代码实现批量处理和区域定位，从而用于更大规模的自动化识别任务。