Python基于Tesseract-OCR图文识别2

基于上篇文章，识别后另存为word文档版本

Python源码：

from docx import Document
import pytesseract
import cv2

# 设置Tesseract路径（确保已安装Tesseract OCR并设置正确路径）
pytesseract.pytesseract.tesseract_cmd = r'D:\img_ocr\tesseract.exe'

def extract_text_from_image_and_save_to_word(image_path, output_word):
    """
    从图片中提取文本内容并保存到Word文件
    :param image_path: 输入图片路径
    :param output_word: Word输出路径
    """
    # 读取图片
    img = cv2.imread(image_path)

    # 转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    # 二值化处理（提高对比度，便于OCR识别）
    _, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)

    # 使用Tesseract提取文本内容
    extracted_text = pytesseract.image_to_string(binary, config='--psm 6')

    # 创建Word文档
    doc = Document()

    # 将提取的文本添加到Word文档
    doc.add_paragraph(extracted_text)

    # 保存到指定路径
    doc.save(output_word)
    print(f"文本已成功导出到 {output_word}")

# 示例调用
image_path = '123.png'  # 替换为你的图片路径
output_word = 'output2.docx'     # Word输出路径

extract_text_from_image_and_save_to_word(image_path, output_word)