Extrator de textos em imagens

Objetivo

Este projeto visa a construção de uma ferramenta capaz de extrair textos de imagens de forma eficiente.

Instalação

Antes de tudo, você vai precisar instalar os pacotes abaixo

• tesseract-ocr
• tesseract-ocr-por
• python3-opencv
• python3-numpy
• pillow
• opencv-python
• pytesseract

Execute esses comandos caso esteja em um linux

• sudo apt-get install tesseract-ocr
• sudo apt-get install tesseract-ocr-por
• sudo apt-get install python3-opencv
• sudo apt-get install python3-numpy
• pip3 install pillow
• pip3 install opencv-python
• pip3 install pytesseract

Testando

Você pode verificar o funcionamento da ferramenta executando o arquivo demo.py.

Ao executar esse arquivo, ele irá gerar arquivos no formato txt na pasta "demo-txt", com o nome correspondente a imagem que se encontra na pasta "demo-img"

OBSERVAÇÃO: Com quantos mais pixels a foto estiver, melhor será o resultado.

Versões dos pacotes

tesseract-ocr 4.1.1

tesseract-ocr-por 4.00

python3-numpy 1.18.5

pillow 7.0.0

opencv-python 4.4.0.46

pytesseract 0.3.6