0

以前，我一直在使用 Pytesseract，但是对于效率和性能来说，TesserOCR API 对我来说似乎是一个更好的选择。但是，实时阅读文本似乎存在一些问题，并且遇到了一些错误。根据一些消息来源，API 只能接收单个图像，我还没有找到一种方法来输入帧以进行实时处理。目前，我有下面的代码片段，但它会引发一些错误。这似乎与熊猫数组与预期类型不匹配有关SetImage

def ideallyEfficientOCR(): 
    api = tesserocr.PyTessBaseAPI()
    sct = mss.mss()
    mon = {"top": 300, "left": 900, "width": 770, "height": 550}
    while "screen capturing":
        frame = np.asarray(sct.grab(mon))
        api.SetImage(frame)
        text = api.GetUTF8Text()
        print(text)
    
        cv2.imshow('window', frame)

我以前像这样使用 Pytesseract：


def notEfficientOCR():
    sct = mss.mss()
    mon = {"top": 300, "left": 900, "width": 770, "height": 550}
    while "screen capturing":
        frame = np.asarray(sct.grab(mon))
        phrase = pytesseract.image_to_string(cv2.cvtColor(frame, cv2.IMREAD_GRAYSCALE),lang = 'eng')

        cv2.imshow('window', frame)

但我意识到第二个示例仅处理 1.2 fps 左右，问题似乎出在 Pytesseract 上，因为没有它，MSS运行良好的 60 fps。另外，我真的不想重新使用ImageGrabfrom PIL，因为MSS它对于实时屏幕捕获更有效。我的目标是在使用 TesserOCR API 时最大限度地提高速度。任何帮助表示赞赏，谢谢！

4

0 回答 0