🐻 이모티콘 트렌드 및 통계 분석 (2) - tesseract ocr

파이썬 Tesseract OCR 기능을 활용해 데이터 텍스트화

import pytesseract
import cv2
import os
from PIL import Image

# Tesseract 경로 설정 (Windows 전용)
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 결과를 저장할 텍스트 파일 열기
output_path = "C:\\Users\\user\\Desktop\\sample\\output.txt"
result = open(output_path, "w")

# 이미지 파일들이 저장된 경로
path_dir = 'C:\\Users\\user\\Desktop\\sample'
file_list = os.listdir(path_dir)

# 이미지 파일 처리
for file_name in file_list:
    if file_name.endswith('.jpg') or file_name.endswith('.png'):  # 이미지 파일 필터링
        img_path = os.path.join(path_dir, file_name)
        
        # 이미지 경로가 올바른지 확인
        if not os.path.exists(img_path):
            print(f"파일을 찾을 수 없습니다: {img_path}")
            continue
        
        # 이미지 읽기
        img_cv = cv2.imread(img_path)
        
        # 이미지가 제대로 로드되었는지 확인
        if img_cv is None:
            print(f"이미지를 로드할 수 없습니다: {img_path}")
            continue
        
        # OpenCV 이미지에서 RGB로 변환한 뒤, Pillow 형식으로 변환
        img_rgb = cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB)
        img_pil = Image.fromarray(img_rgb)
        
        # Tesseract로 텍스트 추출
        text = pytesseract.image_to_string(img_pil, lang='ENG+KOR', config='--psm 4 -c preserve_interword_spaces=1')
        result.write(text + '\n')

# 결과 파일 닫기
result.close()
print("추출이 완료되었습니다. 확인 부탁드립니다.")

 

해당 코드를 작성하여 스크린샷을 텍스트로 바꿔보겠습니다.

 

 

 

성능이 좋지 않습니다...

다른 스크린샷으로도 해봤는데 제대로 바꿔주지 않습니다.

chat gpt는 완벽하게 텍스트로 바꿔주는데, 빠진 텍스트와 잘못된 텍스트가 많습니다.

다른 방식을 좀 더 찾아보아 완벽하게 텍스트로 바꿔주는 방식을 택해야 할 것 같습니다.