Pythonでクリップボードの画像をOCRでテキスト化する方法：初心者向けガイド

Python

はじめに

Pythonは多くのタスクを自動化できる便利なプログラミング言語で、特にデータ処理や画像操作に強みがあります。本記事では、Pythonを使って「クリップボードにある画像からテキストを抽出するツール」を作る方法について解説します。このツールは、画像の中にある文字を自動で読み取り、その内容をクリップボードにコピーするというものです。

また、OCR（光学文字認識）による精度向上のテクニックについても詳しく紹介しますので、ぜひ参考にしてみてください。

使用するPythonライブラリ

このツールを作成するために、次のPythonライブラリを使用します：

  1. Pillow：画像操作用のライブラリです。スクリーンショットのキャプチャや画像の前処理に使用します。
  2. pytesseract：OCR処理を行うライブラリです。Tesseract OCRエンジンを使って画像から文字を抽出します。
  3. pyperclip：クリップボードにテキストをコピーするライブラリです。

これらのライブラリは、以下のコマンドでインストール可能です。

pip install pillow pytesseract pyperclip

基本コード：クリップボードの画像をOCRでテキスト化

まず、基本的なコードを紹介します。このコードでは、クリップボード内にある画像を取得し、OCRでテキストを抽出して、抽出結果をクリップボードにコピーする流れを実現しています。

範囲を選択してスクリーンショットをとるにはWindowsの場合はWindows+Shift+SでMacの場合はCommand+Shift+Ctrl+4です。

サンプルコード

from PIL import Image, ImageGrab
import pytesseract
import pyperclip

# クリップボードから画像を取得
image = ImageGrab.grabclipboard()

# 画像がある場合のみ処理を実行
if isinstance(image, Image.Image):
    # OCRでテキストを抽出
    text = pytesseract.image_to_string(image, lang="jpn")  # 日本語に対応
    print("OCR抽出テキスト:")
    print(text)
    
    # 抽出したテキストをクリップボードにコピー
    pyperclip.copy(text)
    print("テキストがクリップボードにコピーされました。")
else:
    print("クリップボード内に画像がありません。")

コードの説明

  1. ImageGrab.grabclipboard()：クリップボードから画像を取得するメソッドです。
  2. OCR処理：pytesseract.image_to_string()を使って画像からテキストを抽出します。
  3. クリップボードへのコピー：pyperclip.copy()でテキストをクリップボードにコピーします。

これで、クリップボードの画像がOCR処理され、結果がクリップボードに保存されます。ただし、このコードのままだと認識精度に不満が残るかもしれません。そこで、次章でOCR精度を上げる方法を紹介します。

OCR精度を向上させるテクニック

OCR精度を上げるために重要なポイントは「画像の前処理」です。画像の品質やコントラスト、解像度を改善することで、OCRの認識精度が大きく向上します。

1. 解像度を上げる

解像度が低いと文字がぼやけてしまい、OCRの認識精度が下がる可能性があります。そこで、画像を一度拡大してからOCRにかける方法を試しましょう。

# 解像度の改善
image = image.resize((image.width * 2, image.height * 2), Image.LANCZOS)

2. 白黒に変換

画像を白黒に変換することで、文字と背景のコントラストが強調され、OCRの認識がしやすくなります。

# グレースケール変換
image = image.convert("L")

3. コントラストの強調

画像のコントラストを上げることで、文字がくっきりと見えるようになります。PillowのImageEnhanceモジュールを使ってコントラストを強調します。

from PIL import ImageEnhance

# コントラストの強調
enhancer = ImageEnhance.Contrast(image)
image = enhancer.enhance(2)  # 数字を調整してコントラストを強調

精度向上を取り入れたサンプルコード

以下は、上記の改善を加えたサンプルコードです。

from PIL import Image, ImageGrab, ImageEnhance
import pytesseract
import pyperclip

# クリップボードから画像を取得
image = ImageGrab.grabclipboard()

if isinstance(image, Image.Image):
    # 解像度の改善
    image = image.resize((image.width * 2, image.height * 2), Image.LANCZOS)
    # グレースケール変換
    image = image.convert("L")
    # コントラストの強調
    enhancer = ImageEnhance.Contrast(image)
    image = enhancer.enhance(2)

    # OCRでテキストを抽出
    text = pytesseract.image_to_string(image, lang="jpn")
    print("OCR抽出テキスト:")
    print(text)
    
    # テキストをクリップボードにコピー
    pyperclip.copy(text)
    print("テキストがクリップボードにコピーされました。")
else:
    print("クリップボード内に画像がありません。")

ためしにヤフーニュースの記事をOCRでテキスト化にしてみました。

＜OCR結果＞

第50回衆院選は27日に投開票を迎える。 与野党党首は
選挙戦最終日の26日、自民党派閥の加金問題を受けた政
治改革の必要性を各地で訴えた。自民、公明両党が過半数
(233議席) を確保できるかが最大の焦点だ。

【画像】 あなたにマッチする政党や候補者を簡単チェッ
ク! 朝日新聞ボートマッチのページ画面

今回の衆院選には、前回2021年より293人多い1344人
が立候補し、小選挙区289、比例区176の計465議席を争
う。大勢は27日深夜から28日未明にかけて判明する見通
し。

所々誤変換はありますがまずまずの精度ではないでしょうか。

Tesseractの設定調整

TesseractのOCR精度は、設定次第でさらに向上します。次のオプションを試してみてください：

  • ホワイトリストの設定：特定の文字のみを対象にOCRすることで精度が上がることがあります。
text = pytesseract.image_to_string(image, config="--psm 6 -c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ")
  • ページ分割モードの変更：ページ全体の文字配置がわかっている場合、最適な分割モードを指定することで精度が上がります。
text = pytesseract.image_to_string(image, lang="jpn", config="--psm 6")

おわりに

以上、Pythonでクリップボードの画像からOCRでテキストを抽出し、クリップボードにコピーする方法について解説しました。画像の解像度やコントラストを工夫することで、OCRの精度をかなり向上させられることがわかったかと思います。OCRを用いたデータ抽出は、さまざまな業務や日常の作業効率化に役立つため、ぜひ活用してみてください。

さらに詳細な調整が必要な場合は、画像の特徴や背景に合わせて追加の前処理を行い、より精度の高い結果を目指しましょう。

コメント

タイトルとURLをコピーしました