如何使用Python OCR工具提取图片指定区域文本而非全量文本

实现方案 #

推荐使用EasyOCR完成需求，该库支持多语言识别、准确率表现较好，无需复杂配置，适配银行凭证类的文本识别场景。 #

第一步：安装依赖库

pip install easyocr opencv-python numpy

分场景实现代码

根据你的使用场景，可选择以下两种实现方式：

场景1：同银行凭证版式固定，红圈对应区域坐标固定

同一家银行的交易凭证版式基本不会变化，你可以提前确定红圈对应区域的坐标，直接裁剪区域后识别即可，效率最高：

import cv2
import easyocr

# 初始化识别器，仅识别英文和数字的话传['en']即可，有其他语言需求可追加对应语言代码
# 有GPU的话可将gpu参数设为True提升识别速度
reader = easyocr.Reader(['en'], gpu=False)

# 读取目标图片
img = cv2.imread('your_image_path.jpg')
# 替换为你提前确认的红圈区域坐标：x1、y1为区域左上角坐标，x2、y2为区域右下角坐标
x1, y1, x2, y2 = 100, 200, 350, 260
# 裁剪目标区域
roi = img[y1:y2, x1:x2]

# detail设为0仅返回识别到的文本内容
result = reader.readtext(roi, detail=0)
print("提取到的指定文本：", "".join(result))

场景2：红圈位置不固定，需要自动识别红圈区域

如果红圈标注的位置不固定，可以先通过OpenCV识别红色区域，自动裁剪对应范围后再识别：

import cv2
import numpy as np
import easyocr

reader = easyocr.Reader(['en'], gpu=False)
img = cv2.imread('your_image_path.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 定义红色的HSV阈值范围
lower_red1 = np.array([0, 120, 70])
upper_red1 = np.array([10, 255, 255])
lower_red2 = np.array([170, 120, 70])
upper_red2 = np.array([180, 255, 255])

mask1 = cv2.inRange(hsv, lower_red1, upper_red1)
mask2 = cv2.inRange(hsv, lower_red2, upper_red2)
mask = mask1 + mask2

# 查找红色区域的轮廓
contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
    # 过滤面积过小的噪点区域
    if cv2.contourArea(cnt) < 100:
        continue
    x, y, w, h = cv2.boundingRect(cnt)
    # 裁剪红圈覆盖的区域，适当扩大裁剪范围避免截断文字
    roi = img[y-5:y+h+5, x-5:x+w+5]
    result = reader.readtext(roi, detail=0)
    print("提取到的红圈区域文本：", "".join(result))

识别准确率优化技巧

1. 识别前可以对裁剪后的区域做预处理：转灰度、高斯模糊、二值化，能大幅提升识别准确率，预处理示例代码如下：

gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
blur_roi = cv2.GaussianBlur(gray_roi, (3,3), 0)
_, binary_roi = cv2.threshold(blur_roi, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
# 用处理后的binary_roi替换原roi传入识别接口即可

2. 如果EasyOCR的识别准确率达不到要求，可以换用PaddleOCR，对中英文数字的识别准确率更高，更适配东南亚银行凭证的识别场景。
3. 针对扫描件转换的图片，可以先做倾斜校正后再识别，避免因图片倾斜导致识别错误。

内容的提问来源于stack exchange，提问作者林抿均