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, ImageEnhance
class 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): 高斯模煳的半径，主要用于图像降噪
"""
self.center_x = center_x
self.center_y = center_y
self.width = width
self.height = height
self.sharpness = sharpness
self.contrast = contrast
self.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煳降噪。
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)
# 应用高斯模煳降噪
if self.blur_radius > 0:
img = img.filter(ImageFilter.GaussianBlur(self.blur_radius))
return img
def 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 = background
elif 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 // 2
top = self.center_y - self.height // 2
right = self.center_x + self.width // 2
bottom = 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。
- 高斯模煳：适当的模煳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。