[OCR] OpenCV, Pytesseract 를 이용해 이미지에서 텍스트 추출

수백장의 스크린샷으로부터 특정 위치의 텍스트를 추출해야 할 일이 생겼다. 

이를 위해 간단한 OCR 코드 및 과정을 적고자 한다. 

텍스트를 추출할 이미지

About OCR (Optical character recognition)

이미지로부터 문자 검출 기술을 OCR (Optical Character Recognition), 광학문자인식 이라고 하며 Pytesseract 라이브러리를 이용해 쉽게 가능했다. 

스크린샷마다 위치가 고정되어 있기 때문에 ROI 를 수동으로 찾으면 됐기에 비교적 쉬운 문제가 되었다. 

Ubuntu 20.04 환경 (VM)에 OpenCV 4.4 , Pytesseract 를 설치하여 이미지에서 숫자, 문자 추출 과정을 정리한다. 

이미 작성되어 있는 타 블로그글을 참조했으며 출처를 명시했다.

 

목차 

1. 환경
2. OpenCV & pyter설치
3. Trouble Shooting
4. 코드 작성

1. 환경

실행 환경은 다음과 같다. 

• Ubuntu 20.04 - Oracle VM VirtualBox
• OpenCV 4.4.0
• Python 3.8.5

2. OpenCV & pytesseract 설치

OpenCV 설치는 매번 애먹는 문제. 두줄의 코드 실행으로 설치가 완료됐다. 

# opencv 설치
pip install opencv-python
pip install opencv-contrib-python

# Tesseract 설치
sudo apt install tesseract-ocr
sudo apt install tesseract-ocr-kor
pip install pytesseract

아래와 같이 정상 설치 됐는지 확인. 

import cv2
cv2.__version__
>>'4.4.0'

3. ** Trouble Shooting

1. Pytesseract 쓸때는 가상환경(anaconda, venv) 을 사용하지 말것.

- Anaconda 가상환경을 먼저 설치했어서 Python Library Path 에 문제 발생

2. 아래 포스트의 OpenCV 설치를 시도했는데, 결국 Python Library Path 문제로 실패했다

(아래 포스트와 위에 pip install opencv-python 차이점을 잘 모르겠음) 

https://webnautes.tistory.com/1433

Ubuntu 20.04에 OpenCV 4.4.0 설치하는 방법

 

- Ubuntu에 visual Studio Code 다운방법은 아래 블로그 참조

https://webnautes.tistory.com/1197

Visual Studio Code 설치하는 방법( Windows / Ubuntu )

4. 코드 작성

아래와 같이 자동차 번호판 영역 추출에 관한 블로그가 있어 코드를 가져와 사용했다. 

다만, 아래는 영역을 자동 추출하는 반면, 나의 경우 ROI 를 수동으로 잡는 것이 가능하여 훨씬 더 쉬운 문제가 되었다. https://emaru.tistory.com/15

Python+OpenCV로 자동차 번호판 영역 추출 및 인식하기

소스코드는 아래에서 확인 할 수 있다. 

https://github.com/changhwanjoe/Simple_OCR

ROI 추출 과정은 아래 블로그 참조

https://bkshin.tistory.com/entry/OpenCV-6-dd

OpenCV - 6. 이미지 내 관심영역(Region of Interest, ROI) 표시