pytesseractを使ってBangla文字を検出する

Question

私はpythonを使って画像からbangla文字を検出しようとしていますので、私は使用することを決めましたpytesseract。この目的のために、私は以下のコードを使用しました：

import pytesseract 
from PIL import Image, ImageEnhance, ImageFilter 

im = Image.open("input.png") # the second one 
im = im.filter(ImageFilter.MedianFilter()) 
enhancer = ImageEnhance.Contrast(im) 
im = enhancer.enhance(2) 
im = im.convert('1') 
im.save('temp2.png') 
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract' 
text = pytesseract.image_to_string(Image.open('temp2.png'),lang="ben") 
print text 

英語のイメージを与えれば、問題は検出されます。しかし、私がlang="ben"と書いているときに、ベンガル文字のイメージから検出すると、私のコードは永遠の時間のように、あるいは永遠に動いています。

P.S：私はtessdataフォルダにベンガル語列のデータをダウンロードしていると私はPyCharmでそれを実行しようとしています。

誰でもこの問題の解決に手伝ってもらえますか？

sample of input.png

Answer 1

私はWindowsにBangla(india)言語を追加しました。ダウンロードしたben.traineddata〜TESSDATA_PREFIXは、私のPCでC:\Program Files\Tesseract 4.0.0\tessdataに等しいです。次に、コマンドプロンプトで

> tesseract -l ben bangla.jpg bangla_out

を実行し、2秒で以下の結果を得ました。私はその言語を理解していなくても、結果はうまく見えます。

あなたはそれが-l benのために働くかどうかを確認するために、コマンドプロンプトでたTesseractを実行しようとしたことがありますか？

EDIT：使用

それをテストするために、アナコンダが付属していますPyCharmに似スパイダー、、。以下のようにTesseractを呼び出すようにコードを修正しました。スパイダーに

pytesseract.pytesseract.tesseract_cmd = "C:/Program Files/Tesseract 4.0.0/tesseract.exe" 

テストコード：

import pytesseract 
from PIL import Image, ImageEnhance, ImageFilter 
import os 

im = Image.open("bangla.jpg") # the second one 
im = im.filter(ImageFilter.MedianFilter()) 
enhancer = ImageEnhance.Contrast(im) 
im = enhancer.enhance(2) 
im = im.convert('1') 
im.save("bangla_pp.jpg") 

pytesseract.pytesseract.tesseract_cmd = "C:/Program Files/Tesseract 4.0.0/tesseract.exe" 
text = pytesseract.image_to_string(Image.open("bangla_pp.jpg"),lang="ben") 
print text 

それが動作し、処理された画像に以下の結果を生じました。明らかに、処理された画像のOCR結果は、元の画像ほど良好ではありません。処理bangla_pp.jpgから

結果：オリジナル画像から

প্রত্যাবর্তনকারীরা 
    তাঁদের দেশে গিয়ে 

    -~~-<~~~~-- 

    প্রত্যাবর্তন-পরবর্তী 
    আর্থিক সহায়তা 
    = পাবেন তার 

結果、直接たTesseractへの供給。

コード：

from PIL import Image  
import pytesseract as tess 

print tess.image_to_string(Image.open('bangla.jpg'), lang='ben') 

出力：

প্রত্যাবর্তনকারীরা 
তাঁদের দেশে গিয়ে 

প্রত্যাবর্তন-পরবর্তী 
আর্থিক সহায়তা 
পাবেন তার