Python3.x：如何識別圖片上的文字

Python3.x：如何識別圖片上的文字

安裝pytesseract庫，必須先安裝其依賴的PIL及tesseract-ocr，其中PIL爲圖像處理庫，然後面的tesseract-ocr則爲google的ocr識別引擎；

其中PIL能夠用pillow來替代；

1、安裝識別引擎tesseract-ocr

下載地址（解壓安裝）：https://sourceforge.net/projects/tesseract-ocr/

　　這裏須要注意這一段話：Currently, there is no official Windows installer for newer versions.意思就是官方不提供最新版windows平臺安裝包，只有相對略老的3.02.02版本，其下載地址：https://sourceforge.net/projects/tesseract-ocr-alt/files/。

　　

環境變量配置（path）：D:\Program Files (x86)\Tesseract-OCR

設置環境變量：TESSDATA_PREFIX=D:\Program Files (x86)\Tesseract-OCR\tessdata

打開DOS界面，輸入tesseract，以下圖則標示安裝成功：

測試識別功能：

切換到圖片的目錄：cd \d E:\pydevworkspaces，而後輸入tesseract tttt.png result（識別tttt.png結果寫入result.txt文件中，輸出文件在同級目錄下）：

tttt.png圖片內容：

result.txt文件內容：

識別率貌似不高，第三個數字就識別出錯了；

「tesseract OCR 訓練樣本」 --能夠提升識別率；

說明安裝成功；

tesseract語法：

tesseract code.jpg result  -l chi_sim -psm 7 nobatch

-l chi_sim 表示用簡體中文字庫（須要下載中文字庫文件，解壓後，存放到tessdata目錄下去,字庫文件擴展名爲  .raineddata 簡體中文字庫文件名爲:  chi_sim.traineddata）

-psm 7 表示告訴tesseract code.jpg圖片是一行文本  這個參數能夠減小識別錯誤率.  默認爲 3

configfile 參數值爲tessdata\configs 和  tessdata\tessconfigs 目錄下的文件名

2、安裝第三方庫（pytesseract、pillow）

#pytesseract安裝 
pip install pytesseract

#Pillow 安裝 
pip install pillow

注意： 修改 pytesseract 的路徑。

（1）路徑：D:\Python36\Lib\site-packages\pytesseract\pytesseract.py

（2）修改內容：tesseract_cmd = 'D:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

 

3、實例代碼

# python3
# author lizm
# datetime 2018-01-26 12:00:00
'''
    Demo：pytesseract解析圖片上的文字
'''
import pytesseract
from PIL import Image
# 指定路徑
# pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files/Tesseract-ORC/tesseract'
image = Image.open('tttt.png')
code = pytesseract.image_to_string(image)
print(code)

 4、識別中文

1，增長中文庫：chi_sim.traineddata

2，將中文庫拷貝到：D:\Program Files (x86)\Tesseract-OCR\tessdata目錄下

3，代碼示例：

# python3
# author lizm
# datetime 2018-09-21 12:00:00
'''
    Demo：pytesseract解析圖片上的中文文字
'''
import pytesseract
from PIL import Image
code = pytesseract.image_to_string(Image.open('8.jpg'),lang='chi_sim') 
print(code)

注意：chi_sim.traineddata必須和安裝的tessdata的版本一致，才能生效。