当我读取一个15页的多页Tiff图像,并且是一个白色背景中的黑色字母/单词的文档时,PyTesseract抛出一个“OSError:-9”错误在我循环页面并转换为字符串的步骤。
我使用pytesseract包沿着pyocr.builders。单页似乎工作正常,但我相信错误时,图像不是在RGB的程序转换为RGB。
img = Image.open(r'\users\ai\text.tiff')
img.load()
txt = ""
for frame in range(0, img.n_frames):
img.seek(frame)
txt += tool.image_to_string(img,builder=pyocr.builders.TextBuilder())
预期输出为jupyter窗口中显示的所有15页。
错误信息
---------------------------------------------------------------------------
OSError Traceback (most recent call last)
<ipython-input-17-e59bdf3b773c> in <module>
2 for frame in range(0, img.n_frames):
3 img.seek(frame)
----> 4 txt += tool.image_to_string(img,builder=pyocr.builders.TextBuilder())
5
~\AppData\Local\Continuum\anaconda3\lib\site-packages\pyocr\tesseract.py in image_to_string(image, lang, builder)
357 with tempfile.TemporaryDirectory() as tmpdir:
358 if image.mode != "RGB":
--> 359 image = image.convert("RGB")
360 image.save(os.path.join(tmpdir, "input.bmp"))
361 (status, errors) = run_tesseract("input.bmp", "output", cwd=tmpdir,
~\AppData\Local\Continuum\anaconda3\lib\site-packages\PIL\Image.py in convert(self, mode, matrix, dither, palette, colors)
932 """
933
--> 934 self.load()
935
936 if not mode and self.mode == "P":
~\AppData\Local\Continuum\anaconda3\lib\site-packages\PIL\TiffImagePlugin.py in load(self)
1097 def load(self):
1098 if self.use_load_libtiff:
-> 1099 return self._load_libtiff()
1100 return super(TiffImageFile, self).load()
1101
~\AppData\Local\Continuum\anaconda3\lib\site-packages\PIL\TiffImagePlugin.py in _load_libtiff(self)
1189
1190 if err < 0:
-> 1191 raise IOError(err)
1192
1193 return Image.Image.load(self)
OSError: -9
1条答案
按热度按时间odopli941#
对于这样的问题,您应该提供一个Minimum Reproducible Example,因为有一些代码被遗漏了。此外,您还应该提供测试映像。但是,对于本例,您不能附加多页TIFF,因此最好提供指向多页TIFF的链接。
我可以从this question中找到this test image。这是一个10页的TIFF。
下面是一个使用pyocr的解决方案:
下面是一个使用pytesseract的解决方案:
两者都给予这个输出: