logo

开发者热搜

Python实现图片格式转换与OCR文字识别全攻略

作者：新兰2025.10.10 19:21浏览量：1

简介：本文详解如何使用Python实现图片格式转换与OCR文字识别，涵盖Pillow库转换格式、Tesseract OCR识别文字及完整代码示例，助力开发者高效处理图像数据。

Python实现图片格式转换与OCR文字识别全攻略

在数字化办公和数据处理场景中，图片格式转换与文字识别是两项高频需求。Python凭借其丰富的生态库，能够高效实现图片格式转换（如JPG转PNG）和OCR（光学字符识别）功能。本文将系统介绍如何使用Python完成这两项任务，并提供可复用的代码示例。

一、图片格式转换：Pillow库的深度应用

1.1 Pillow库的核心功能

Pillow是Python中最常用的图像处理库之一，支持超过30种图片格式的读写操作。其核心功能包括：

  • 格式转换：支持JPG、PNG、BMP、GIF等常见格式互转
  • 图像处理：裁剪、旋转、调整大小、色彩空间转换
  • 元数据操作：读取/修改图片的EXIF信息

1.2 基础格式转换实现

  1. from PIL import Image
  3. def convert_image_format(input_path, output_path, target_format):
  4.     """
  5.     图片格式转换函数
  6.     :param input_path: 输入图片路径
  7.     :param output_path: 输出图片路径
  8.     :param target_format: 目标格式（如'PNG', 'JPEG'）
  9.     """
  10.     try:
  11.         with Image.open(input_path) as img:
  12.             # 保存为指定格式
  13.             img.save(output_path, format=target_format)
  14.             print(f"转换成功：{input_path} → {output_path}")
  15.     except Exception as e:
  16.         print(f"转换失败：{str(e)}")
  18. # 示例：将JPG转为PNG
  19. convert_image_format("input.jpg", "output.png", "PNG")

1.3 高级转换技巧

  • 批量转换：使用os.listdir()遍历文件夹实现批量处理
    ```python
    import os

def batch_convert(input_dir, output_dir, target_format):
if not os.path.exists(output_dir):
os.makedirs(output_dir)

  1. for filename in os.listdir(input_dir):
  2.     if filename.lower().endswith(('.jpg', '.jpeg')):
  3.         input_path = os.path.join(input_dir, filename)
  4.         output_path = os.path.join(output_dir, 
  5.                                   os.path.splitext(filename)[0] + f".{target_format.lower()}")
  6.         convert_image_format(input_path, output_path, target_format)
  2. - **质量参数控制**（针对JPEG）：
  3. ```python
  4. img.save("output.jpg", format="JPEG", quality=95)  # 质量范围1-100

二、OCR文字识别：Tesseract的集成应用

2.1 Tesseract OCR安装与配置

  1. 安装Tesseract：

    • Windows：下载安装包并添加到PATH
    • Mac：brew install tesseract
    • Linux：sudo apt install tesseract-ocr（基础版）

  2. 安装Python包装库：

    1. pip install pytesseract

  3. 配置路径（Windows需设置）：

    1. import pytesseract
    2. pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

2.2 基础文字识别实现

  1. import pytesseract
  2. from PIL import Image
  4. def ocr_image(image_path, lang='chi_sim+eng'):
  5.     """
  6.     图片文字识别函数
  7.     :param image_path: 图片路径
  8.     :param lang: 语言包（中文简体+英文）
  9.     :return: 识别结果文本
  10.     """
  11.     try:
  12.         with Image.open(image_path) as img:
  13.             text = pytesseract.image_to_string(img, lang=lang)
  14.             return text
  15.     except Exception as e:
  16.         print(f"OCR识别失败：{str(e)}")
  17.         return None
  19. # 示例：识别图片中的中英文
  20. result = ocr_image("text_image.png")
  21. print(result)

2.3 识别优化技巧

  • 预处理增强：二值化、去噪、对比度调整
    ```python
    def preprocess_image(image_path):
    img = Image.open(image_path)

    转换为灰度图

    img = img.convert(‘L’)

    二值化处理

    threshold = 150
    img = img.point(lambda x: 0 if x < threshold else 255)
    return img

使用预处理后的图片

processed_img = preprocess_image(“text_image.png”)
text = pytesseract.image_to_string(processed_img)

  2. - **区域识别**：指定识别区域（坐标格式为左上x,左上y,右下x,右下y）
  3. ```python
  4. def ocr_region(image_path, box, lang='eng'):
  5.     img = Image.open(image_path)
  6.     region = img.crop(box)
  7.     return pytesseract.image_to_string(region, lang=lang)
  9. # 示例：识别图片中(100,100,300,200)区域的文字
  10. region_text = ocr_region("image.png", (100, 100, 300, 200))

三、完整项目实现：格式转换+OCR一体化

3.1 项目架构设计

  1. project/
  2. ├── input/          # 原始图片
  3. ├── output/         # 转换后的图片
  4. ├── processed/      # OCR处理后的图片
  5. └── main.py         # 主程序

3.2 完整代码实现

  1. import os
  2. from PIL import Image
  3. import pytesseract
  5. class ImageProcessor:
  6.     def __init__(self):
  7.         # 配置Tesseract路径（根据系统调整）
  8.         self.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
  9.         pytesseract.pytesseract.tesseract_cmd = self.tesseract_cmd
  11.     def convert_format(self, input_path, output_dir, target_format):
  12.         """转换图片格式并保存"""
  13.         if not os.path.exists(output_dir):
  14.             os.makedirs(output_dir)
  16.         filename = os.path.basename(input_path)
  17.         new_filename = os.path.splitext(filename)[0] + f".{target_format.lower()}"
  18.         output_path = os.path.join(output_dir, new_filename)
  20.         with Image.open(input_path) as img:
  21.             img.save(output_path, format=target_format)
  22.         return output_path
  24.     def ocr_image(self, image_path, output_dir=None, lang='chi_sim+eng'):
  25.         """识别图片文字"""
  26.         if output_dir:
  27.             # 保存处理后的图片
  28.             processed_dir = os.path.join(output_dir, "processed")
  29.             if not os.path.exists(processed_dir):
  30.                 os.makedirs(processed_dir)
  32.             # 预处理图片
  33.             img = Image.open(image_path)
  34.             img = img.convert('L')
  35.             threshold = 150
  36.             img = img.point(lambda x: 0 if x < threshold else 255)
  38.             processed_path = os.path.join(processed_dir, os.path.basename(image_path))
  39.             img.save(processed_path)
  40.         else:
  41.             img = Image.open(image_path)
  43.         text = pytesseract.image_to_string(img, lang=lang)
  44.         return text
  46.     def process_batch(self, input_dir, output_base_dir, target_format="PNG"):
  47.         """批量处理文件夹中的图片"""
  48.         convert_dir = os.path.join(output_base_dir, "converted")
  49.         ocr_dir = os.path.join(output_base_dir, "ocr_results")
  51.         results = []
  52.         for filename in os.listdir(input_dir):
  53.             if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')):
  54.                 input_path = os.path.join(input_dir, filename)
  56.                 # 1. 格式转换
  57.                 converted_path = self.convert_format(input_path, convert_dir, target_format)
  59.                 # 2. OCR识别
  60.                 text = self.ocr_image(converted_path, ocr_dir)
  62.                 results.append({
  63.                     "original": filename,
  64.                     "converted": os.path.basename(converted_path),
  65.                     "text": text
  66.                 })
  67.         return results
  69. # 使用示例
  70. if __name__ == "__main__":
  71.     processor = ImageProcessor()
  72.     results = processor.process_batch(
  73.         input_dir="input",
  74.         output_base_dir="output",
  75.         target_format="PNG"
  76.     )
  78.     # 打印识别结果
  79.     for result in results:
  80.         print(f"\n文件名: {result['original']}")
  81.         print(f"转换后: {result['converted']}")
  82.         print("识别结果:")
  83.         print(result['text'][:200] + "...")  # 只显示前200字符

四、实际应用场景与优化建议

4.1 典型应用场景

  1. 文档数字化：将纸质文件扫描件转为可编辑文本
  2. 数据采集：从网页截图、报表图片中提取结构化数据
  3. 自动化流程：结合RPA实现发票、合同自动处理

4.2 性能优化建议

  1. 语言包选择：

    • 中文识别：下载chi_sim.traineddata
    • 多语言混合：使用lang='chi_sim+eng'

  2. 处理速度提升：

    • 对大图片先缩放再识别
    • 使用多线程处理批量任务

  3. 准确率提升：

    • 针对特定场景训练定制模型
    • 结合OpenCV进行更复杂的预处理

五、常见问题解决方案

5.1 识别准确率低

  • 原因：图片质量差、字体特殊、语言包缺失
  • 解决方案：
    1. # 使用PSM模式（页面分割模式）
    2. text = pytesseract.image_to_string(
    3.     img, 
    4.     lang='chi_sim+eng',
    5.     config='--psm 6'  # 假设为统一文本块
    6. )

5.2 格式转换失败

  • 常见原因：
    • 图片损坏
    • 不支持的格式
    • 内存不足
  • 调试建议：
    1. try:
    2.     img = Image.open(input_path)
    3.     img.verify()  # 验证图片完整性
    4. except Exception as e:
    5.     print(f"图片验证失败：{str(e)}")

六、进阶功能扩展

6.1 结合OpenCV实现高级预处理

  1. import cv2
  2. import numpy as np
  4. def cv_preprocess(image_path):
  5.     # 读取图片
  6.     img = cv2.imread(image_path)
  7.     # 转为灰度图
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     # 去噪
  10.     denoised = cv2.fastNlMeansDenoising(gray, None, 10, 7, 21)
  11.     # 二值化
  12.     _, binary = cv2.threshold(denoised, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  13.     return binary
  15. # 使用OpenCV处理后转为PIL图像
  16. processed = cv_preprocess("image.png")
  17. pil_img = Image.fromarray(processed)
  18. text = pytesseract.image_to_string(pil_img)

6.2 集成到Web服务

使用Flask创建简单的OCR API：

  1. from flask import Flask, request, jsonify
  2. import base64
  3. from io import BytesIO
  5. app = Flask(__name__)
  7. @app.route('/ocr', methods=['POST'])
  8. def ocr_api():
  9.     data = request.json
  10.     img_data = base64.b64decode(data['image'].split(',')[1])
  11.     img = Image.open(BytesIO(img_data))
  13.     text = pytesseract.image_to_string(img, lang='chi_sim+eng')
  14.     return jsonify({"text": text})
  16. if __name__ == '__main__':
  17.     app.run(host='0.0.0.0', port=5000)

七、总结与展望

Python在图片处理和OCR领域展现出强大的能力，通过Pillow和Tesseract的组合，可以高效实现格式转换和文字识别功能。实际开发中需要注意：

  1. 根据场景选择合适的预处理方法
  2. 合理配置语言包提升识别准确率
  3. 考虑批量处理时的性能优化

未来发展方向包括：

  • 深度学习模型（如CRNN）的集成
  • 实时视频流OCR处理
  • 云端OCR服务的集成方案

本文提供的代码和方案可直接应用于实际项目，开发者可根据具体需求进行调整和扩展。

相关文章推荐

发表评论

最热文章

关于作者

  • 被阅读数
  • 被赞数
  • 被收藏数
活动
咨询