[python] PyTesseract를 사용하여 수첩이나 노트에서 텍스트 추출하기

22 Nov 2023

python

수첩이나 노트에는 손으로 작성된 텍스트나 인쇄된 텍스트가 포함될 수 있습니다. 이러한 텍스트를 디지털 형식으로 추출하고 싶을 때, PyTesseract 라이브러리를 사용하면 간편하게 처리할 수 있습니다. PyTesseract는 OCR(Optical Character Recognition)을 통해 이미지에서 텍스트를 추출하는 파이썬 라이브러리입니다.

PyTesseract란?

PyTesseract는 구글에서 개발한 Tesseract OCR 엔진의 파이썬 래퍼입니다. Tesseract는 강력한 OCR 엔진으로, 이미지에서 텍스트를 추출할 수 있습니다. PyTesseract는 Tesseract를 파이썬에서 쉽게 사용할 수 있도록 인터페이스를 제공합니다.

PyTesseract 설치

PyTesseract를 사용하려면, 먼저 Tesseract OCR 엔진을 설치해야 합니다. 다음 명령을 사용하여 Tesseract를 설치할 수 있습니다.

sudo apt-get install tesseract-ocr

그런 다음, 파이썬 패키지 관리자를 사용하여 PyTesseract를 설치합니다.

pip install pytesseract

PyTesseract 사용하기

다음은 PyTesseract를 사용하여 이미지에서 텍스트를 추출하는 간단한 예제 코드입니다.

import cv2
import pytesseract

def extract_text_from_image(image_path):
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    text = pytesseract.image_to_string(gray)
    return text

image_path = "note.jpg"
extracted_text = extract_text_from_image(image_path)
print(extracted_text)

위의 코드는 note.jpg 이미지에서 텍스트를 추출하고 출력합니다. image_path 변수를 사용하여 원하는 이미지의 경로를 지정하고, extract_text_from_image 함수를 호출하여 이미지에서 텍스트를 추출합니다. 마지막으로, 추출된 텍스트를 출력합니다.

주의사항

PyTesseract를 사용할 때 몇 가지 주의사항이 있습니다.

이미지의 해상도와 텍스트의 크기에 따라 추출 성능이 달라질 수 있습니다.
이미지에 있는 기울어진 텍스트를 정확하게 추출하기 위해서는 이미지를 사전에 보정할 필요가 있을 수 있습니다.
PyTesseract는 기본적으로 영어를 인식하는데 최적화되어 있습니다. 다른 언어를 인식하려면 해당 언어의 훈련 데이터를 추가로 설치해야 할 수 있습니다.

PyTesseract란?

PyTesseract 설치

PyTesseract 사용하기

주의사항

참고 자료