小编P.N*_*atu的帖子

我正在使用以下代码在图像文本上绘制矩形以匹配日期模式及其工作正常。

import re
import cv2
import pytesseract
from PIL import Image
from pytesseract import Output

img = cv2.imread('invoice-sample.jpg')
d = pytesseract.image_to_data(img, output_type=Output.DICT)
keys = list(d.keys())

date_pattern = '^(0[1-9]|[12][0-9]|3[01])/(0[1-9]|1[012])/(19|20)\d\d$'

n_boxes = len(d['text'])
for i in range(n_boxes):
    if int(d['conf'][i]) > 60:
        if re.match(date_pattern, d['text'][i]):
            (x, y, w, h) = (d['left'][i], d['top'][i], d['width'][i], d['height'][i])
            img = cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('img', img)
cv2.waitKey(0)
img.save("sample.pdf")

现在，最后我得到了一个带有匹配日期模式的矩形的 PDF。

我想将此程序扫描的 PDF 作为输入而不是上面的图像。它应该首先将 PDF 转换为 opencv 可读的图像格式，以进行与上述相同的处理。请帮忙。（任何解决方法都可以。我需要一个解决方案，我可以在其中将 PDF …