tesseract 识别文字，处理图像二值化，腐蚀膨胀

from PIL import Image
import pytesseract
import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'



import cv2
import numpy as np
from matplotlib import pyplot as plt
import pytesseract

# 如果Tesseract OCR不在默认路径下，需要设置tesseract_cmd的路径
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'  # 示例路径，根据你的安装位置修改
def displayimage(image):
    image=  binary_image
    # 定义目标大小（800x600像素）
    target_width = 800
    target_height = 600
    # 计算保持宽高比的缩放因子
    original_height, original_width = binary_image.shape
    scale_x = target_width / original_width
    scale_y = target_height / original_height
    scale = min(scale_x, scale_y)  # 使用较小的比例来确保图像不会被拉伸

    # 计算调整大小后的图像尺寸
    new_width = int(original_width * scale)
    new_height = int(original_height * scale)

    # 计算需要填充的黑边大小（如果需要的话）
    pad_x = (target_width - new_width) // 2
    pad_y = (target_height - new_height) // 2

    # 调整图像大小
    resized_image = cv2.resize(binary_image, (new_width, new_height))

    # 显示二值化后的图像
    cv2.imshow('Binary Image', resized_image)

    # 等待用户按键事件，参数0表示无限期等待
    cv2.waitKey(0)

    # 关闭所有OpenCV创建的窗口
    cv2.destroyAllWindows()




try:
    # 读取图像
    # image_path = "Picture/Pic_826.bmp"  # 替换为你的图像路径 thresh  10     白车
    image_path ="Picture/Pic_93.bmp"  # 替换为你的图像路径  thresh  60     黑车
    # image_path ="Pic_826_1.bmp"  # 替换为你的图像路径  thresh   10
    # image_path ="Picture/Pic_200001.bmp"  # 替换为你的图像路径  thresh   10
    # image_path ="001.jpg"  # 替换为你的图像路径  thresh   10



    image = cv2.imread(image_path)

    if image is None:
        raise FileNotFoundError("指定的图片文件不存在。")

    # 转换为灰度图像
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # 应用二值化
    _, binary_image = cv2.threshold(gray_image, 60, 255, cv2.THRESH_BINARY)   #  thresh  60 灰度值60以下为黑色， 以上为白

    displayimage(binary_image)

    # 定义腐蚀操作的结构元素（核）
    erode_kernel = np.ones((5, 5), np.uint8)  # 通常使用3x3或5x5的核进行腐蚀

    # 应用腐蚀操作
    eroded_image = cv2.erode(binary_image, erode_kernel, iterations=2)

    # 定义膨胀操作的结构元素（核），这里可以使用与腐蚀相同的核，也可以不同
    dilate_kernel = np.ones((3, 3), np.uint8)  # 或者使用不同的尺寸，如5x5

    # 应用膨胀操作
    dilated_image = cv2.dilate(eroded_image, dilate_kernel, iterations=3)  # 注意这里是对腐蚀后的图像进行膨胀


    plt.imshow(dilated_image, cmap='gray')
    plt.title('Preprocessed Image')
    plt.axis('off')
    plt.show()

    # 提取文本
    # text = pytesseract.image_to_string(binary_image, config='--psm 8')  # psm 8 表示将图像视为单个文本行

    # 识别字符
    text = pytesseract.image_to_string(dilated_image)  # psm 6 表示将图像视为单个单词

    # 打印提取的文本内容
    print("提取的文本内容：")
    print(text)

except FileNotFoundError:
    print("错误：指定的图片文件不存在。")
except Exception as e:
    print(f"发生错误：{e}")

    # def displayimage(image):