#python 自动识别视频字幕

最新推荐文章于 2025-03-27 16:39:02 发布

小宋码

最新推荐文章于 2025-03-27 16:39:02 发布

阅读量3.3k

点赞数 3

文章标签： python 音视频 opencv

本文链接：https://blog.youkuaiyun.com/qq_45765032/article/details/121282284

版权

该博客介绍了如何配置和使用Tesseract-OCR从视频中提取字幕。通过读取视频帧，选取特定区域，转换为灰度图并应用二值化处理，然后利用Tesseract进行文字识别。主要关注的是图像处理和OCR技术在视频字幕提取中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境设置：
1、安装pip3 install pytesseract
2、安装tessract-OCR（将安装路径添加至环境路径，此处我安装在D:\Tesseract-OCR中）

导入pytesseract包时注意，修改D:\Python 32\Lib\site-packages\pytesseract中【pytesseract.py】文件中的代码修改至OCR的所在路径：
tesseract_cmd = 'D:\Tesseract-OCR\tesseract.exe’

import pytesseract
import cv2
import numpy as np
from scipy import stats
import os
import matplotlib.pyplot as plt
os.chdir('d:\\image')

读取视频的各个帧，将有字幕的图片片段提取出来，并以灰度图显示。

if __name__ == '__main__':
    path = "a.mp4"
    print(path)
    cap = cv2.VideoCapture(path)
    frame_count = int(cap.get(cv2.CAP_PROP_FRAME_COUNT))
    print(frame_count)
    i=0
    while i<frame_count:
        cap.set(cv2.CAP_PROP_POS_FRAMES, i)
        _, frame = cap.read(i)
        if i==48:
            cv2.imwrite('20210701.jpg',frame)
            
        shape = frame.shape
        #调整字幕显示的区间
        img=frame[550:600, 0:1070]
        plt.imshow(img)
        plt.axis("off")
        plt.show()
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度图
        #cv2.imshow("Frame-2:Gray", img)            #显示灰度图
        _, img= cv2.threshold(img, 220, 255, cv2.THRESH_BINARY)  # 图像，阈值，映射的最大值，使用什么算法一般为cv2.thresh_binary
        #cv2.imshow("Frame-3:Binary", img)            #显示灰度图

用Tesseract-OCR对截取出的字幕图片进行分析，按每秒24帧计算，间隔2.5秒截取一次，提取字幕。

        #tessdata_dir_config = '--tessdata-dir "D:\\Tesseract-OCR\\tessdata"  --psm 7 -c preserve_interword_spaces=1'
        #设置中文字体
        word = pytesseract.image_to_string(img,
                                           lang='chi_sim',
                                           config=' --psm 7 -c preserve_interword_spaces=1')
                                           #config=tessdata_dir_config)
        print(word)
        #设置间隔时间
        i=i+24*2.5

        if cv2.waitKey(10) & 0xff == ord("q"):
            break
    cap.release()
    cv2.destroyAllWindows()

结果显示：
请添加图片描述