程序员经验分享-hwhale

Python OCR工具pytesseract详解

2023-05-16

pytesseract是基于Python的OCR工具， 底层使用的是Google的Tesseract-OCR 引擎，支持识别图片中的文字，支持jpeg， png， gif， bmp， tiff等图片格式。本文介绍如何使用pytesseract 实现图片文字识别。

引言

OCR（Optical character recognition，光学字符识别）是一种将图像中的手写字或者印刷文本转换为机器编码文本的技术。通过数字方式存储文本数据更容易保存和编辑，可以存储大量数据，比如1G的硬盘可以存储数百万本书。

OCR技术可以将图片，纸质文档中的文本转换为数字形式的文本。OCR过程一般包括以下步骤：

  1. 图像预处理
  2. 文本定位
  3. 字符分割
  4. 字符识别
  5. 后处理

最初由惠普开发，后来Google赞助的开源OCR引擎 tesseract 提供了比较精确的文字识别API，本文将要介绍的Python库Pytesseract就是基于Tesseract-OCR 引擎。

环境配置

环境要求：

  • Python 3.6+
  • 太平船务库
  • 安装Google Tesseract OCR
  • 系统：windows/mac/linux，我的系统是Windows10

1. 安装谷歌 Tesseract

Tesseract OCR github地址： GitHub - tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository)

Windows Tesseract下载地址： Index of /tesseract

Mac和Linux安装方法参考： Introduction | tessdoc

安装时可以选择需要的语言包：

安装完成后，添加到环境变量PATH中，我的安装路径是： 。C:\Program Files\Tesseract-OCR

命令行窗口输入： ，查看是否安装成功。tesseract

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">$ tesseract
Usage:
  tesseract --<span style="color:#333333"><strong>help</strong></span> | --<span style="color:#333333"><strong>help</strong></span>-extra | --<span style="color:#333333"><strong>version</strong></span>
  tesseract --<span style="color:#333333"><strong>list</strong></span>-langs
  tesseract imagename outputbase [<span style="color:#333333"><strong>options</strong></span>...] [configfile...]

OCR option<span style="color:#bc6060">s:</span>
  -<span style="color:#333333"><strong>l</strong></span> LANG[+LANG]        Specify <span style="color:#333333"><strong>language</strong></span>(s) used <span style="color:#333333"><strong>for</strong></span> OCR.
NOTE: These <span style="color:#333333"><strong>options</strong></span> must occur before any configfile.

Single option<span style="color:#bc6060">s:</span>
  --<span style="color:#333333"><strong>help</strong></span>                Show this <span style="color:#333333"><strong>help</strong></span> message.
  --<span style="color:#333333"><strong>help</strong></span>-extra          Show extra <span style="color:#333333"><strong>help</strong></span> <span style="color:#333333"><strong>for</strong></span> advanced users.
  --<span style="color:#333333"><strong>version</strong></span>             Show <span style="color:#333333"><strong>version</strong></span> information.
  --<span style="color:#333333"><strong>list</strong></span>-langs          List available languages <span style="color:#333333"><strong>for</strong></span> tesseract engine.
</span></span></span></span>

2. 安装

Python tesseract： GitHub - madmaze/pytesseract: A Python wrapper for Google Tesseract

pip安装pytesseract

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>pip</strong></span> install pytesseract
</span></span></span></span>

另外需要安装一下Pillow库，用于图像处理。

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>pip</strong></span> install Pillow
</span></span></span></span>

文字识别小例子

先准备一张包含英文字符的图片，下面的代码实现提取图片中的中文和英文字符，并识别为字符串：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>import</strong></span> pytesseract
<span style="color:#333333"><strong>try</strong></span>:
    <span style="color:#333333"><strong>from</strong></span> PIL <span style="color:#333333"><strong>import</strong></span> Image
<span style="color:#333333"><strong>except</strong></span> ImportError:
    <span style="color:#333333"><strong>import</strong></span> Image

<span style="color:#888888"># 列出支持的语言</span>
print(pytesseract.get_languages(config=<span style="color:#880000">''</span>))

print(pytesseract.image_to_string(Image.open(<span style="color:#880000">'test.png'</span>), lang=<span style="color:#880000">'chi_sim+eng'</span>))
</span></span></span></span>

识别下面图片中的文字（test.png）：

执行结果：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">[<span style="color:#bc6060">'chi_sim</span>', <span style="color:#bc6060">'eng</span>', <span style="color:#bc6060">'osd</span>']
拳 列出支持的语言
print(<span style="color:#333333"><strong>pytesseract.get_languages</strong></span> (<span style="color:#333333"><strong>config=”</strong></span>))

print(<span style="color:#333333"><strong>pytesseract.image_to_string</strong></span>(<span style="color:#333333"><strong>Image.open</strong></span>(<span style="color:#bc6060">'test.png</span>'), lang=<span style="color:#bc6060">'chi_sim+eng</span>'))

</span></span></span></span>

获取文字位置信息

image_to_boxes()方法返回识别到的字符及字符边框信息。 返回单词及单词位置信息。下面来看看这两种方法的执行效果，识别下图中的中文字符：image_to_data()

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">img = Image.<span style="color:#333333"><strong>open</strong></span>(<span style="color:#880000">'testimg2.png'</span>)
<span style="color:#333333"><strong>print</strong></span>(pytesseract.image_to_boxes(img, output_type=Output.STRING, lang=<span style="color:#880000">'chi_sim'</span>))
<span style="color:#333333"><strong>print</strong></span>(<span style="color:#880000">"#"</span>*<span style="color:#880000">30</span>)
<span style="color:#333333"><strong>print</strong></span>(pytesseract.image_to_data(img, output_type=Output.STRING, lang=<span style="color:#880000">'chi_sim'</span>))
</span></span></span></span>

执行结果：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">生 63 211 80 227 0
存 81 209 118 227 0
是 122 211 139 226 0
文 126 200 154 231 0
明 142 210 157 226 0
的 162 209 197 227 0
第 200 217 218 219 0
一 221 209 236 226 0
需 217 200 253 231 0
要 239 209 259 226 0
。 260 211 266 216 0
猜 325 64 364 82 0
疑 364 64 481 82 0
链 373 54 393 86 0
和 383 54 403 86 0
技 403 54 435 86 0
术 419 54 451 86 0
爆 441 54 477 86 0
炸 469 54 485 86 0

##############################
level	page_num	block_num	par_num	line_num	word_num	<span style="color:#333333"><strong>left</strong></span>	<span style="color:#333333"><strong>top</strong></span>	<span style="color:#333333"><strong>width</strong></span>	<span style="color:#333333"><strong>height</strong></span>	conf	text
1	1	0	0	0	0	0	0	566	279	-1	
2	1	1	0	0	0	63	52	203	18	-1	
3	1	1	1	0	0	63	52	203	18	-1	
4	1	1	1	1	0	63	52	203	18	-1	
5	1	1	1	1	1	63	52	55	18	96	生存
5	1	1	1	1	2	122	53	17	15	96	是
5	1	1	1	1	3	126	48	31	31	96	文明
5	1	1	1	1	4	162	52	35	18	96	的
5	1	1	1	1	5	200	60	18	2	91	第
5	1	1	1	1	6	221	53	15	17	93	一
5	1	1	1	1	7	217	48	42	31	93	需要
5	1	1	1	1	8	260	63	6	5	91	。
2	1	2	0	0	0	325	197	156	18	-1	
3	1	2	1	0	0	325	197	156	18	-1	
4	1	2	1	1	0	325	197	156	18	-1	
5	1	2	1	1	1	325	197	156	18	94	猜疑
5	1	2	1	1	2	373	193	20	32	77	链
5	1	2	1	1	3	383	193	20	32	92	和
5	1	2	1	1	4	403	193	48	32	96	技术
5	1	2	1	1	5	441	193	44	32	94	爆炸
</span></span></span></span>

根据 方法返回的位置信息，下面来标出识别出的词语位置。image_to_data()

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#333333"><strong>import</strong></span> numpy <span style="color:#333333"><strong>as</strong></span> np
<span style="color:#333333"><strong>import</strong></span> pytesseract
<span style="color:#333333"><strong>from</strong></span> pytesseract <span style="color:#333333"><strong>import</strong></span> Output
<span style="color:#333333"><strong>import</strong></span> cv2

<span style="color:#333333"><strong>try</strong></span>:
    <span style="color:#333333"><strong>from</strong></span> PIL <span style="color:#333333"><strong>import</strong></span> Image
    <span style="color:#333333"><strong>from</strong></span> PIL <span style="color:#333333"><strong>import</strong></span> ImageDraw
    <span style="color:#333333"><strong>from</strong></span> PIL <span style="color:#333333"><strong>import</strong></span> ImageFont
<span style="color:#333333"><strong>except</strong></span> ImportError:
    <span style="color:#333333"><strong>import</strong></span> Image
    
img = cv2.imread(<span style="color:#880000">'testimg2.png'</span>)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, <span style="color:#880000">0</span>, <span style="color:#880000">255</span>, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[<span style="color:#880000">1</span>]
cnts = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = cnts[<span style="color:#880000">0</span>] <span style="color:#333333"><strong>if</strong></span> len(cnts) == <span style="color:#880000">2</span> <span style="color:#333333"><strong>else</strong></span> cnts[<span style="color:#880000">1</span>]

width_list = []
<span style="color:#333333"><strong>for</strong></span> c <span style="color:#333333"><strong>in</strong></span> cnts:
	_, _, w, _ = cv2.boundingRect(c)
	width_list.append(w)
wm = np.median(width_list)

tess_text = pytesseract.image_to_data(img, output_type=Output.DICT, lang=<span style="color:#880000">'chi_sim'</span>)
<span style="color:#333333"><strong>for</strong></span> i <span style="color:#333333"><strong>in</strong></span> range(len(tess_text[<span style="color:#880000">'text'</span>])):
	word_len = len(tess_text[<span style="color:#880000">'text'</span>][i])
	<span style="color:#333333"><strong>if</strong></span> word_len > <span style="color:#880000">1</span>:
		world_w = int(wm * word_len)
		(x, y, w, h) = (tess_text[<span style="color:#880000">'left'</span>][i], tess_text[<span style="color:#880000">'top'</span>][i], tess_text[<span style="color:#880000">'width'</span>][i], tess_text[<span style="color:#880000">'height'</span>][i])
		cv2.rectangle(img, (x, y), (x + world_w, y + h), (<span style="color:#880000">255</span>, <span style="color:#880000">0</span>, <span style="color:#880000">0</span>), <span style="color:#880000">1</span>)
		im = Image.fromarray(img)
		draw = ImageDraw.Draw(im)
		font = ImageFont.truetype(font=<span style="color:#880000">"simsun.ttc"</span>, size=<span style="color:#880000">18</span>, encoding=<span style="color:#880000">"utf-8"</span>)
		draw.text((x, y - <span style="color:#880000">20</span>), tess_text[<span style="color:#880000">'text'</span>][i], (<span style="color:#880000">255</span>, <span style="color:#880000">0</span>, <span style="color:#880000">0</span>), font=font)
		img = cv2.cvtColor(np.array(im), cv2.COLOR_RGB2BGR)

cv2.imshow(<span style="color:#880000">"TextBoundingBoxes"</span>, img)
cv2.waitKey(<span style="color:#880000">0</span>)
</span></span></span></span>

执行结果：

另外说明一下， 用于设置字体及编码格式，原因是 默认使用ISO-8859-1（latin-1）编码，中文需要使用UTF-8编码。Windows中，字体存放路径一般为 ，已经添加到了环境变量，直接写字体名称就可以了， 表示宋体。 ImageFont.truetype(font="simsun.ttc", size=18, encoding="utf-8")draw.text()C:\Windows\Fontssimsun.ttc

如果不知道字体对应名称可以进入注册表查看：运行窗口或者命令行窗口输入 打开注册表，进入如下路径： ，可以查看对应字体文件名称。 regeditHKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows NT\CurrentVersion\Fonts

多语言识别

使用方法

图片中可能包含了多种语言，比如在上面的例子中，图片包含了中文和英文， 表示识别简体中文和英文。lang='chi_sim+eng'

简体中文chi_sim是在安装tesseract时勾选的， 方法列出了支持的语言，也可以在命令行窗口执行 查看支持的语言：get_languages()tesseract --list-langs

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">$ tesseract --<span style="color:#333333"><strong>list</strong></span>-langs
<span style="color:#333333"><strong>List</strong></span> of available languages (<span style="color:#880000">3</span>):
chi_sim
eng
osd
</span></span></span></span>

除了使用 方式指定语言外，也可以使用 形式：lang='chi_sim+eng'config='-l chi_sim+eng'

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">img = Image.open(<span style="color:#880000">'test.png'</span>)
config = <span style="color:#880000">r'-l chi_sim+eng --psm 6'</span>
print(pytesseract.image_to_string(img, config=config))
</span></span></span></span>

执行结果和前面一样。

训练数据

如果需要下载其它语言包，可以到这里Traineddata Files for Version 4.00 + | tessdoc下载。

Tesseract 提供了三种训练数据：

训练数据训练模型识别速度正确率
tessdata_fast断续器最快最低
tessdata_best断续器最慢最高
tessdata传统 + LSTM中等略低于特斯数据 -最好

根据自己的需要下载需要的模型文件，将traineddata文件放在 目录（Tesseract安装目录）下就可以了。C:\Program Files\Tesseract-OCR\tessdata

tessdata_best可用来再训练字库，训练方法参考文档： How to use the tools provided to train Tesseract 4.00 | tessdoc 。

OCR选项

多语言识别中使用了 和 选项，tesseract还支持更多的OCR选项。-l--psm

OCR选项：

<span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#880000">--tessdata-dir PATH</span>
<span style="color:#880000">--user-words PATH</span>
<span style="color:#880000">--user-patterns PATH</span>
<span style="color:#880000">--dpi VALUE</span>
<span style="color:#880000">-l LANG[+LANG]</span>
<span style="color:#880000">-c VAR=VALUE</span>
<span style="color:#880000">--psm NUM</span>
<span style="color:#880000">--oem NUM</span>
</span></span>

在pytesseract中的使用方法是添加config参数：config='--psm 0 -c min_characters_to_try=5'

下面介绍一下psm和oem这两个选项。

图片分割模式（PSM）

tesseract有13种图片分割模式（页面分割模式，psm）：

  • 0 — 仅限方向和脚本检测 （OSD）。方向及语言检测（定向和脚本检测，OSD）
  • 1 — 使用 OSD 自动分页。自动图片分割
  • 2 — 自动分页，但没有 OSD 或 OCR。自动图片分割，没有OSD和OCR
  • 3 — 全自动页面分割，但没有 OSD。（Default） 完全的自动图片分割，没有OSD
  • 4 — 假定为大小可变的单列文本。假设有一列不同大小的文本
  • 5 — 假定有一个垂直对齐的文本的统一块。假设有一个垂直对齐的文本块
  • 6 — 假设只有一个统一的文本块。假设有一个对齐的文本块
  • 7 — 将图像视为单个文本行。图片为单行文本
  • 8 — 将图像视为单个单词。图片为单词
  • 9 — 将图像视为圆圈中的单个单词。图片为圆形的单词
  • 10 — 将图像视为单个字符。图片为单个字符
  • 11 — 稀疏文本。以不特定顺序查找尽可能多的文本。稀疏文本。查找尽可能多的文本，没有特定的顺序。
  • 12 — 带 OSD 的稀疏文本。OSD稀疏文本
  • 13 — 原始行。将图像视为单个文本行，绕过特定于 Tesseract 的黑客攻击。原始行。将图像视为单个文本行。

OCR引擎模式（OEM）

有4种OCR引擎模式：

  • 0 — 仅限旧版引擎。
  • 1 — 仅限神经网络 LSTM 引擎。
  • 2 — 传统 + LSTM 引擎。
  • 3 — 默认值，基于可用内容。

方向及语言检测OSD

Tesseract支持方向及语言检测（Orientation and script detection，OSD） ，比如检测下面的图片：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">osd = pytesseract.image_to_osd(<span style="color:#880000">'osd-example.png'</span>,config=<span style="color:#880000">'--psm 0 -c min_characters_to_try=5'</span>)
<span style="color:#397300">print</span>(osd)
</span></span></span></span>

其中 表示设置最小字符数，默认为50。min_characters_to_try

执行结果：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">Page <span style="color:#880000">number:</span> <span style="color:#880000">0</span>
Orientation <span style="color:#333333"><strong>in</strong></span> <span style="color:#880000">degrees:</span> <span style="color:#880000">90</span>
<span style="color:#880000">Rotate:</span> <span style="color:#880000">270</span>
Orientation <span style="color:#880000">confidence:</span> <span style="color:#880000">0.74</span>
<span style="color:#880000">Script:</span> Han
Script <span style="color:#880000">confidence:</span> <span style="color:#880000">0.83</span>
</span></span></span></span>

结果是旋转了270度，识别到的语言为中文Han。

提取数字

只提取下面图片中的数字：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">img = Image.open(<span style="color:#880000">'number-example.png'</span>)
config = <span style="color:#880000">r'--oem 3 --psm 6 outputbase digits'</span>
osd = pytesseract.image_to_string(img, config=config)
print(osd)
</span></span></span></span>

执行结果：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6"><span style="color:#880000">1200</span>-.<span style="color:#880000">41194</span>-.
<span style="color:#880000">4</span>-.

<span style="color:#880000">12000000</span>

<span style="color:#880000">11994933</span>.
-119940218

119932207

1199251

119915241

119907238

-119853209
1119450495
.-<span style="color:#880000">11941637</span>
</span></span></span></span>

字符白名单

只检测特定的字符：只检测数字

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">img = Image.open(<span style="color:#880000">'number-example.png'</span>)
config = <span style="color:#880000">r'-c tessedit_char_whitelist=0123456789 --psm 6'</span>
print(pytesseract.image_to_string(img, config=config))
</span></span></span></span>

执行结果：

发现识别精度比 方法更加准确。outputbase digits

字符黑名单

不检测数字：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">img = Image.open(<span style="color:#880000">'number-example.png'</span>)
config = <span style="color:#880000">r'-c tessedit_char_blacklist=0123456789 --psm 6'</span>
print(pytesseract.image_to_string(img, config=config, lang=<span style="color:#880000">'chi_sim'</span>))
</span></span></span></span>

执行结果：

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">胶片很快冲出来了，他开始查看哪张值得放大洗成照片，
在第一张就发现了一件离奇的事。一个倒计时。倒计时从
 小时开始，到现在还剩余 小时。

这张拍的是一个大商场外的一小片草地，他看到底片正中
有一行白色的东西，

细看是一排数字:  :  :

第二张底片上也有数字: l]:  :  -。

第三张: <span style="color:#880000">l :</span> : lg，

第四张:  :  :  ，

第五张: ] :  : l;

第六张:  : : l，

第七张: <span style="color:#880000">l :</span> <span style="color:#880000">o :</span> g ;

第八张: <span style="color:#880000">lg :</span>  :  ;

第三十四张: : :

第三十六张，也是最后一张:  :  :
</span></span></span></span>

格式转换

pytesseract 支持将图片转换为PDF、HOCR以及ALTO XML格式。

<span style="color:#333333"><span style="background-color:#fefefe"><span style="color:#444444"><span style="background-color:#f6f6f6">pdf = pytesseract.image_to_pdf_or_hocr(<span style="color:#880000">'testimg2.png'</span>, extension=<span style="color:#880000">'pdf'</span>)
<span style="color:#333333"><strong>with</strong></span> open(<span style="color:#880000">'test.pdf'</span>, <span style="color:#880000">'w+b'</span>) <span style="color:#333333"><strong>as</strong></span> f:
    f.<span style="color:#333333"><strong>write</strong></span>(pdf)
    
hocr = pytesseract.image_to_pdf_or_hocr(<span style="color:#880000">'testimg2.png'</span>, extension=<span style="color:#880000">'hocr'</span>)
xml = pytesseract.image_to_alto_xml(<span style="color:#880000">'testimg2.png'</span>)
</span></span></span></span>

--完--

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

python

OCR

pytesseract

Python OCR工具pytesseract详解 的相关文章

  • 通过 Scrapy 抓取 Google Analytics

    我一直在尝试使用 Scrapy 从 Google Analytics 获取一些数据 尽管我是一个完全的 Python 新手 但我已经取得了一些进展 我现在可以通过 Scrapy 登录 Google Analytics 但我需要发出 AJAX

  • 将 saxon 与 python 结合使用

    我需要使用 python 处理 XSLT 目前我正在使用仅支持 XSLT 1 的 lxml 现在我需要处理 XSLT 2 有没有办法将 saxon XSLT 处理器与 python 一起使用 有两种可能的方法 设置一个 HTTP 服务 接受

  • OpenCV Python cv2.mixChannels()

    我试图将其从 C 转换为 Python 但它给出了不同的色调结果 In C Transform it to HSV cvtColor src hsv CV BGR2HSV Use only the Hue value hue create

  • Python（Selenium）：如何通过登录重定向/组织登录登录网站

    我不是专业程序员 所以请原谅任何愚蠢的错误 我正在做一些研究 我正在尝试使用 Selenium 登录数据库来搜索大约 1000 个术语 我有两个问题 1 重定向到组织登录页面后如何使用 Selenium 登录 2 如何检索数据库 在我解决

  • 使用 matplotlib 绘制时间序列数据并仅在年初显示年份

    rcParams date autoformatter month b n Y 我正在使用 matpltolib 来绘制时间序列 如果我按上述方式设置 rcParams 则生成的图会在每个刻度处标记月份名称和年份 我怎样才能将其设置为仅在每

  • Python - StatsModels、OLS 置信区间

    在 Statsmodels 中 我可以使用以下方法拟合我的模型 import statsmodels api as sm X np array 22000 13400 47600 7400 12000 32000 28000 31000 6

  • 使用 on_bad_lines 将 pandas.read_csv 中的无效行写入文件

    我有一个 CSV 文件 我正在使用 Python 来解析该文件 我发现文件中的某些行具有不同的列数 001 Snow Jon 19801201 002 Crom Jake 19920103 003 Wise Frank 19880303 l

  • OpenCV 无法从 MacBook Pro iSight 捕获

    几天后 我无法再从 opencv 应用程序内部打开我的 iSight 相机 cap cv2 VideoCapture 0 返回 并且cap isOpened 回报true 然而 cap grab 刚刚返回false 有任何想法吗 示例代码

  • 如何加速Python中的N维区间树？

    考虑以下问题 给定一组n间隔和一组m浮点数 对于每个浮点数 确定包含该浮点数的区间子集 这个问题已经通过构建一个解决区间树 https en wikipedia org wiki Interval tree 或称为范围树或线段树 已经针对一

  • 绘制方程

    我正在尝试创建一个函数 它将绘制我告诉它的任何公式 import numpy as np import matplotlib pyplot as plt def graph formula x range x np array x rang

  • 在Python中获取文件描述符的位置

    比如说 我有一个原始数字文件描述符 我需要根据它获取文件中的当前位置 import os psutil some code that works with file lp lib open path to file p psutil Pro

  • 如何使用Python创建历史时间线

    So I ve seen a few answers on here that helped a bit but my dataset is larger than the ones that have been answered prev

  • Pygame：有没有简单的方法可以找到按下的任何字母数字的字母/数字？

    我目前正在开发的游戏需要让人们以自己的名义在高分板上计时 我对如何处理按键有点熟悉 但我只处理过寻找特定的按键 有没有一种简单的方法可以按下任意键的字母 而不必执行以下操作 for event in pygame event get if

  • 使用 \r 并打印一些文本后如何清除控制台中的一行？

    对于我当前的项目 有一些代码很慢并且我无法使其更快 为了获得一些关于已完成 必须完成多少的反馈 我创建了一个进度片段 您可以在下面看到 当你看到最后一行时 sys stdout write r100 80 n I use 80覆盖最终剩余的

  • Pandas：merge_asof() 对多行求和/不重复

    我正在处理两个数据集 每个数据集具有不同的关联日期 我想合并它们 但因为日期不完全匹配 我相信merge asof 是最好的方法 然而 有两件事发生merge asof 不理想的 数字重复 数字丢失 以下代码是一个示例 df a pd Da

  • Fabric env.roledefs 未按预期运行

    On the 面料网站 http docs fabfile org en 1 10 usage execution html 给出这个例子 from fabric api import env env roledefs web hosts

  • 为字典中的一个键附加多个值[重复]

    这个问题在这里已经有答案了 我是 python 新手 我有每年的年份和值列表 我想要做的是检查字典中是否已存在该年份 如果存在 则将该值附加到特定键的值列表中 例如 我有一个年份列表 并且每年都有一个值 2010 2 2009 4 1989

  • 在 Qt 中自动调整标签文本大小 - 奇怪的行为

    在 Qt 中 我有一个复合小部件 它由排列在 QBoxLayouts 内的多个 QLabels 组成 当小部件调整大小时 我希望标签文本缩放以填充标签区域 并且我已经在 resizeEvent 中实现了文本大小的调整 这可行 但似乎发生了某

  • Python 类继承 - 诡异的动作

    我观察到类继承有一个奇怪的效果 对于我正在处理的项目 我正在创建一个类来充当另一个模块的类的包装器 我正在使用第 3 方 aeidon 模块 用于操作字幕文件 但问题可能不太具体 以下是您通常如何使用该模块 project aeidon P

  • NotImplementedError：无法将符号张量 (lstm_2/strided_slice:0) 转换为 numpy 数组。时间

    张量流版本 2 3 1 numpy 版本 1 20 在代码下面 define model model Sequential model add LSTM 50 activation relu input shape n steps n fe

随机推荐

热门标签