[py051] Python+Tesseract文字识别

Sunday, February 16, 2020 ---Andy
前言：文字识别是所有文字类识别的基础，比如身份证,火车票，证件等自动识别...。所以它在文字类识别尤为重要，故今天咱们来看下py+tsrt如何识别文字。
闲话：Tesseract主要特点-->开源、免费、识别无需联网、可训练自己的字库。

一、Tesseract在Windows的下载、安装及配置

1-1 下载

1-1-1 安装包：https://digi.bib.uni-mannheim.de/tesseract/
1-1-2 语言包：https://github.com/tesseract-ocr/tessdata （默认是支持英文的，中文识别需下载语言包：chi_tra.traineddata、chi_sim.traineddata）

1-2 安装及配置

1-2-1 安装Tesseract：双击安装包，选择安装位置，一直下一步就可以。
1-2-2 安装python的pytesseract库：pip install pytesseract
1-2-3 配置:

配置1(添加语言包环境变量) 配置2(修改pytesseract库调用Tesseract.exe位置) 配置3(添加中文语言包)

二、识别测试代码

from PIL import Image
import pytesseract

# 英文识别测试
img_en = Image.open('OCR_test_en.png')
ocr_result_en = pytesseract.image_to_string(img_en)
print(ocr_result_en)

# 中文识别测试
img_zh = Image.open('OCR_test_zh.png')
ocr_result_zh = pytesseract.image_to_string(img_zh, lang='chi_sim')
print(ocr_result_zh)

三、效果

1.英文识别效果 2.中文识别效果

  总结：英文效果不错，中文还行。另外，识别效果依赖于图片质量，所以拍摄高质量的图片及图片前期处理(对齐、去噪等)很重要。

最后

[1].代码截止2020-02-16调试无误。
[2].如需全部代码及相关文件，留言邮箱。
[3].过程中有任何问题，欢迎交流！Q597966823

  让知识或技术实现其最大的价值，欢迎收藏自用、转载分享，转载请注明原文出处，谢谢！