Python2.7+pytesser圖片文字識別功能

原文地址：http://blog.csdn.net/lanfan_11/article/details/45558573

原文已經寫的很詳細了，結合本身操做中的一些錯誤和感悟，整理了一下，造成了下面的文章。

-----------------------------------------------------------------------------------------------------------------

測試中須要將圖片上的數字提取出來，和數據庫的數字比較，判斷圖片上的數字是否正確。

網上查了下相關資料，瞭解到pytesser是谷歌OCR開源項目的一個模塊，在Python中導入這個模塊便可將圖片中的文字轉換成文本。

pytesser調用了tesseract。當在Python中調用pytesser模塊時，pytesser又用tesseract識別圖片中的文字。故安裝的時候不須要安裝tesseract。

具體安裝步驟以下：

首先，安裝Python2.7版本
而後，安裝PIL工具，下載的地址是：http://www.pythonware.com/products/pil/，pytesser的使用須要PIL庫的支持。 選擇安裝python對應的版本。
接着下載pytesser，下載的地址是：http://code.google.com/p/pytesser/downloads/list

因爲code.google.com網站關閉了，因此，只能在csdn上下載了。下面是csdn的下載網址：http://download.csdn.net/download/pyliang_2008/5564135

最後，安裝pytesser ：
一、解壓pytesser ，將解壓後的文件複製到Python安裝目錄的Lib\site-packages下，直接使用，好比個人安裝目錄是：C:\Python27\Lib\site-packages。
二、把2個目錄添加到環境變量之中。 注：若不添加環境變量，僅僅是執行第3步，執行import pytesser的時候能夠導入成功，可是不能使用模塊的任何函數，使用時會報函數錯誤。
C:\Python27\Lib\site-packages
C:\Python27\Lib\site-packages\pytesser-v0.0.1

 

三、還要在C:\Python27\Lib\site-packages下面添加.pth 文件（pytesser-v0.0.1.pth），這個文件裏面，只有 「pytesser-v0.0.1」字符串。

 注：若只執行第2步，不執行第3步，則import pytesser時會提示沒有此模塊。

 另外： 爲了美觀，能夠將pytesser-v0.0.1修改成pytesser。可是對應的相關位置都須要進行修改。

完成以上步驟以後，就能夠編寫圖片文本識別的Python腳本了。

新建一個test.py的文件，複製下面的代碼：

1. from pytesser import *
2. im = Image.open('D:\\fonts_test.png')
3. print im
4. bg = Image.new("RGB",im.size,(255,255,255)) #轉換圖片格式，不轉換提示錯誤
5. print bg
6. bg.paste(im,im)
7. print im
8. text = image_to_string(bg)
9. print text
10. #如下代碼存在問題，未調試經過。
11. text = image_file_to_string('fonts_test.png', graceful_errors=True)
12. print "Using image_file_to_string():"
13. print text

 

將pytesser路徑下的fonts_test.png 圖片複製到test.py的存放位置，能夠執行下試試效果。