OCR 精度向上と EasyOCR
— 画像前処理・代替エンジン

import pytesseract
from PIL import Image, ImageFilter, ImageOps

# 元画像を開く
img = Image.open("sample.png")

# ① グレースケール化
gray = img.convert('L')

# ② 二値化（閾値 127 で白/黒に分ける）
binary = gray.point(lambda px: 255 if px > 127 else 0, '1')

# ③ OCR にかける
text = pytesseract.image_to_string(binary, lang='jpn', config='--psm 6')
print(text)

import pytesseract
from PIL import Image, ImageEnhance, ImageFilter

img = Image.open("sample.png")

# コントラストを 2 倍に強調
enhancer = ImageEnhance.Contrast(img)
img = enhancer.enhance(2.0)

# シャープ化フィルタを適用
img = img.filter(ImageFilter.SHARPEN)

# グレースケール化
gray = img.convert('L')

text = pytesseract.image_to_string(gray, lang='jpn', config='--psm 6')
print(text)

import pytesseract
from PIL import Image

img = Image.open("small_sample.png")

# 元のサイズを確認
print(f"元サイズ: {img.size}")  # (width, height)

# 2 倍に拡大（LANCZOS は高品質なリサンプリングフィルタ）
scale = 2
new_size = (img.width * scale, img.height * scale)
img_large = img.resize(new_size, Image.LANCZOS)
print(f"拡大後: {img_large.size}")

# グレースケール → OCR
gray = img_large.convert('L')
text = pytesseract.image_to_string(gray, lang='jpn', config='--psm 6')
print(text)

# opencv-python：基本機能
pip install opencv-python

# GUI 機能も含む場合（imshow などを使う場合）
# pip install opencv-python-headless  # サーバー環境では headless 版を推奨

import cv2
print(cv2.__version__)  # 例: 4.10.x

import cv2
import pytesseract
from PIL import Image
import numpy as np

# OpenCV で画像を読み込む
img_cv = cv2.imread("sample.png")

# グレースケール変換
gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)

# 適応的二値化（照明ムラに強い）
binary = cv2.adaptiveThreshold(
    gray,
    maxValue=255,
    adaptiveMethod=cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    thresholdType=cv2.THRESH_BINARY,
    blockSize=11,   # 近傍ブロックサイズ（奇数）
    C=2             # 定数（ブロックの平均から引く値）
)

# Pillow Image に変換して pytesseract に渡す
pil_img = Image.fromarray(binary)
text = pytesseract.image_to_string(pil_img, lang='jpn', config='--psm 6')
print(text)

import cv2
import pytesseract
from PIL import Image

img_cv = cv2.imread("noisy_sample.png")
gray   = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)

# ガウシアンブラーでノイズを除去（軽度なノイズに有効）
blur = cv2.GaussianBlur(gray, (3, 3), 0)

# 二値化
_, binary = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 高度なノイズ除去（処理は重いが効果的）
# denoised = cv2.fastNlMeansDenoising(gray, h=10)

pil_img = Image.fromarray(binary)
text = pytesseract.image_to_string(pil_img, lang='jpn', config='--psm 6')
print(text)

import cv2
import pytesseract
from PIL import Image

img_cv = cv2.imread("sample.png")
gray   = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)

# 大津の二値化（閾値 0 を指定 + THRESH_OTSU で自動決定）
thresh_val, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
print(f"自動決定された閾値: {thresh_val}")

pil_img = Image.fromarray(binary)
text = pytesseract.image_to_string(pil_img, lang='jpn', config='--psm 6')
print(text)

import cv2
import numpy as np
import pytesseract
from PIL import Image

def deskew(img_cv: np.ndarray) -> np.ndarray:
    """画像の傾きを検出して補正する"""
    gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
    # エッジ検出
    edges = cv2.Canny(gray, 50, 150, apertureSize=3)
    # ハフ変換で直線を検出
    lines = cv2.HoughLinesP(edges, 1, np.pi / 180, threshold=100,
                            minLineLength=100, maxLineGap=10)
    if lines is None:
        return img_cv

    # 各直線の角度を計算
    angles = []
    for line in lines:
        x1, y1, x2, y2 = line[0]
        angle = np.degrees(np.arctan2(y2 - y1, x2 - x1))
        angles.append(angle)

    # 中央値の角度を補正角度として使用
    median_angle = np.median(angles)
    if abs(median_angle) > 45:
        median_angle = 90 - abs(median_angle)

    # アフィン変換で回転補正
    h, w = img_cv.shape[:2]
    center = (w // 2, h // 2)
    M = cv2.getRotationMatrix2D(center, median_angle, 1.0)
    rotated = cv2.warpAffine(img_cv, M, (w, h),
                             flags=cv2.INTER_CUBIC,
                             borderMode=cv2.BORDER_REPLICATE)
    print(f"補正角度: {median_angle:.2f}°")
    return rotated


img_cv = cv2.imread("tilted_sample.png")
corrected = deskew(img_cv)

pil_img = Image.fromarray(cv2.cvtColor(corrected, cv2.COLOR_BGR2RGB))
text = pytesseract.image_to_string(pil_img, lang='jpn', config='--psm 6')
print(text)

import cv2
import pytesseract
import numpy as np
from PIL import Image

def preprocess_for_ocr(
    image_path: str,
    scale: float = 2.0,
    use_adaptive: bool = True
) -> Image.Image:
    """
    OCR 前処理パイプライン
    1. 解像度拡大
    2. グレースケール
    3. ノイズ除去
    4. 二値化（適応的 or 大津）
    """
    img_cv = cv2.imread(image_path)
    if img_cv is None:
        raise FileNotFoundError(f"画像が見つかりません: {image_path}")

    # ① 解像度拡大（scale 倍）
    h, w = img_cv.shape[:2]
    img_cv = cv2.resize(img_cv, (int(w * scale), int(h * scale)),
                        interpolation=cv2.INTER_LANCZOS4)

    # ② グレースケール
    gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)

    # ③ ガウシアンブラーでノイズ除去
    blur = cv2.GaussianBlur(gray, (3, 3), 0)

    # ④ 二値化
    if use_adaptive:
        binary = cv2.adaptiveThreshold(
            blur, 255,
            cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
            cv2.THRESH_BINARY, 11, 2
        )
    else:
        _, binary = cv2.threshold(blur, 0, 255,
                                  cv2.THRESH_BINARY + cv2.THRESH_OTSU)

    return Image.fromarray(binary)


def extract_text(
    image_path: str,
    lang: str = 'jpn',
    psm: int = 6,
    scale: float = 2.0,
    use_adaptive: bool = True,
    min_conf: int = 60
) -> dict:
    """
    前処理 → OCR → 信頼度フィルタリング を行うまとめ関数
    Returns: {'text': str, 'words': list[dict]}
    """
    # 前処理
    processed = preprocess_for_ocr(image_path, scale, use_adaptive)

    # テキスト全文
    full_text = pytesseract.image_to_string(
        processed, lang=lang, config=f'--psm {psm}'
    ).strip()

    # 信頼度付き単語リスト
    df = pytesseract.image_to_data(
        processed, lang=lang, config=f'--psm {psm}',
        output_type=pytesseract.Output.DATAFRAME
    )
    words = []
    for _, row in df.iterrows():
        if row['conf'] >= min_conf and isinstance(row['text'], str) and row['text'].strip():
            words.append({
                'text': row['text'],
                'conf': int(row['conf']),
                'box': (int(row['left']), int(row['top']),
                        int(row['width']), int(row['height']))
            })

    return {'text': full_text, 'words': words}


# 使用例
if __name__ == '__main__':
    result = extract_text('sample.png', lang='jpn', scale=2.0)
    print("=== 抽出テキスト ===")
    print(result['text'])
    print(f"\n単語数: {len(result['words'])}")
    for w in result['words'][:5]:
        print(f"  '{w['text']}' conf={w['conf']} box={w['box']}")

# EasyOCR のインストール
pip install easyocr

# GPU（CUDA）を使う場合は PyTorch を GPU 版でインストール済みであること
# CPU のみで使う場合は上記だけで OK

import easyocr

# Reader を初期化（対応言語を指定）
# 初回は言語モデルをダウンロード（数分かかる場合あり）
reader = easyocr.Reader(['ja', 'en'])  # 日本語 + 英語

# 画像から文字を検出・認識
results = reader.readtext('sample.png')

# results は [(bounding_box, text, confidence), ...] のリスト
for bbox, text, conf in results:
    print(f"テキスト: {text!r:30s} 信頼度: {conf:.3f} 座標: {bbox}")

import easyocr

reader = easyocr.Reader(['ja', 'en'])

# detail=0 にすると [text, text, ...] のシンプルなリストで返る
texts = reader.readtext('sample.png', detail=0)
print(texts)
# ['Hello World', '日本語テスト', ...]

# 改行で連結して全文を得る
full_text = '\n'.join(texts)
print(full_text)

import easyocr
import cv2
import numpy as np

reader = easyocr.Reader(['ja', 'en'])
results = reader.readtext('sample.png')

img_cv = cv2.imread('sample.png')

for bbox, text, conf in results:
    if conf < 0.5:
        continue  # 信頼度が低いものはスキップ

    # bounding box を整数に変換
    pts = np.array(bbox, dtype=np.int32)

    # 四角形を描画
    cv2.polylines(img_cv, [pts], isClosed=True, color=(0, 0, 255), thickness=2)

    # テキストラベルを描画
    x, y = pts[0]
    cv2.putText(img_cv, f"{text} ({conf:.2f})",
                (x, y - 5), cv2.FONT_HERSHEY_SIMPLEX,
                0.5, (0, 0, 255), 1)

cv2.imwrite('output_easyocr.png', img_cv)
print("output_easyocr.png に保存しました")

"""
ocr_compare.py
画像から文字を抽出し、Tesseract と EasyOCR の結果を比較するスクリプト
"""

import sys
import cv2
import pytesseract
import easyocr
import numpy as np
from PIL import Image, ImageDraw


# === 前処理関数 ===================================================

def preprocess(image_path: str, scale: float = 2.0) -> tuple:
    """
    画像を前処理する
    Returns: (pil_img_for_tesseract, cv2_img_original)
    """
    img_cv = cv2.imread(image_path)
    if img_cv is None:
        raise FileNotFoundError(f"画像が見つかりません: {image_path}")

    # 拡大
    h, w = img_cv.shape[:2]
    img_large = cv2.resize(img_cv, (int(w * scale), int(h * scale)),
                           interpolation=cv2.INTER_LANCZOS4)

    # グレースケール + 適応的二値化
    gray = cv2.cvtColor(img_large, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (3, 3), 0)
    binary = cv2.adaptiveThreshold(
        blur, 255,
        cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
        cv2.THRESH_BINARY, 11, 2
    )
    pil_img = Image.fromarray(binary)
    return pil_img, img_cv


# === Tesseract OCR ================================================

def run_tesseract(pil_img: Image.Image, lang: str = 'jpn+eng') -> dict:
    """Tesseract で OCR を実行"""
    # Windows の場合はパスを指定
    # pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

    text = pytesseract.image_to_string(pil_img, lang=lang, config='--psm 6').strip()
    df = pytesseract.image_to_data(pil_img, lang=lang, config='--psm 6',
                                   output_type=pytesseract.Output.DATAFRAME)
    words = [
        {'text': r['text'], 'conf': int(r['conf'])}
        for _, r in df.iterrows()
        if r['conf'] >= 60 and isinstance(r['text'], str) and r['text'].strip()
    ]
    return {'text': text, 'words': words}


# === EasyOCR =====================================================

def run_easyocr(image_path: str, langs: list = None) -> dict:
    """EasyOCR で OCR を実行"""
    if langs is None:
        langs = ['ja', 'en']
    reader = easyocr.Reader(langs, gpu=False)  # CPU モード
    results = reader.readtext(image_path)
    words = [
        {'text': text, 'conf': round(conf, 3)}
        for _, text, conf in results
        if conf >= 0.5
    ]
    full_text = '\n'.join(w['text'] for w in words)
    return {'text': full_text, 'words': words}


# === bounding box 描画 ============================================

def draw_bboxes_tesseract(image_path: str, lang: str = 'jpn+eng',
                           scale: float = 2.0) -> Image.Image:
    """Tesseract の bounding box を描画した画像を返す"""
    pil_img, _ = preprocess(image_path, scale)
    df = pytesseract.image_to_data(pil_img, lang=lang,
                                   output_type=pytesseract.Output.DATAFRAME)
    draw = ImageDraw.Draw(pil_img.convert('RGB'))
    for _, row in df.iterrows():
        if row['conf'] >= 60 and isinstance(row['text'], str) and row['text'].strip():
            x, y, w, h = int(row['left']), int(row['top']), int(row['width']), int(row['height'])
            draw.rectangle([x, y, x + w, y + h], outline='red', width=2)
    return pil_img.convert('RGB')


# === メイン =======================================================

def main(image_path: str):
    print(f"対象画像: {image_path}\n")

    # 前処理
    pil_img, img_cv = preprocess(image_path, scale=2.0)

    # Tesseract
    print("=" * 50)
    print("【Tesseract OCR】")
    tess_result = run_tesseract(pil_img, lang='jpn+eng')
    print(tess_result['text'])
    print(f"→ 認識単語数: {len(tess_result['words'])}")

    # EasyOCR
    print("\n" + "=" * 50)
    print("【EasyOCR】")
    easy_result = run_easyocr(image_path, langs=['ja', 'en'])
    print(easy_result['text'])
    print(f"→ 認識単語数: {len(easy_result['words'])}")

    # bounding box 画像を保存
    bbox_img = draw_bboxes_tesseract(image_path, scale=2.0)
    bbox_img.save("output_bbox.png")
    print("\nbounding box 画像を output_bbox.png に保存しました")


if __name__ == '__main__':
    path = sys.argv[1] if len(sys.argv) > 1 else 'sample.png'
    main(path)

# 引数に画像パスを渡して実行
python ocr_compare.py sample.png

# 引数なしの場合は sample.png をデフォルトで使用
python ocr_compare.py