Pythonでテキストを画像から抽出する方法（pytesseractを使用）

1. pytesseractのインストール: まず、pytesseractをインストールする必要があります。以下のコマンドを使用して、pipを介してインストールできます。

pip install pytesseract

2. 画像からテキストを抽出する基本的な方法: 以下のコードは、単一の画像ファイルからテキストを抽出する基本的な方法です。

import pytesseract
from PIL import Image
# 画像ファイルのパス
image_path = 'image.jpg'
# 画像を開く
image = Image.open(image_path)
# 画像からテキストを抽出
text = pytesseract.image_to_string(image)
# 抽出されたテキストを表示
print(text)

3. 言語の指定: テキストの言語が特定の言語である場合、pytesseractに言語を指定できます。以下のコードは、英語のテキストを抽出する例です。

import pytesseract
from PIL import Image
# 画像ファイルのパス
image_path = 'image.jpg'
# 画像を開く
image = Image.open(image_path)
# 言語を指定して画像からテキストを抽出
text = pytesseract.image_to_string(image, lang='eng')
# 抽出されたテキストを表示
print(text)

4. 画像の前処理: 画像の品質や照明条件によっては、テキストの抽出結果が改善される場合があります。以下のコードは、画像を事前に処理してテキスト抽出の結果を向上させる例です。

import pytesseract
from PIL import Image
from PIL import ImageEnhance
# 画像ファイルのパス
image_path = 'image.jpg'
# 画像を開く
image = Image.open(image_path)
# 画像の輝度を調整
enhancer = ImageEnhance.Brightness(image)
enhanced_image = enhancer.enhance(2.0)  # 輝度を2倍に増やす
# 画像からテキストを抽出
text = pytesseract.image_to_string(enhanced_image)
# 抽出されたテキストを表示
print(text)

これらは、pytesseractを使用して画像からテキストを抽出するための基本的な方法の一部です。さまざまな画像処理手法やパラメータの調整によって、抽出結果を改善できる場合があります。詳細な使用方法や他のオプションについては、pytesseractの公式ドキュメントを参照してください。