下载安装
下载地址： https://digi.bib.uni-mannheim...
下载完成后，双击安装，可以勾选
Additional language data(download) 选项来安装OCR识别支持的语言包，但下载语言包实在是慢，我们可以直接从
https://github.com/tesseract-... 下载zip的语言包压缩文件，解压后将 tessdata-master
中的文件复制到 Tesseract 的安装目录 C:Program Files (x86)Tesseract-OCR essdata
目录下，最后我们配置下环境变量，我们将 C:Program Files (x86)Tesseract-OCR
添加到环境变量中。进入命令提示符，输入 tesseract ，显示下图结果，说明配置完成
查看安装了的语言包： tesseract --list-langs
显示我一共安装了167种语言包，里边包含英文或者其他字符。
测试
实验用的二维码
基本使用语法
tesseract image.png result （tesseract 图片名称 生成文件名称）
结果
进群：960410445 即可获取数十套PDF！
由结果来看，识别出来了P、2和X，但是把C识别成了G，识别度还是比较高，接下来看在python中的使用
python引入tesseract
在python下使用pip命令即可完成下载安装 pip install pytesseract
识别验证码脚本
import pytesseract
from PIL import Image
im=Image.open('pin.png')
print(pytesseract.image_to_string(im))
结果
这样识别的结果同样跟上文一样，个别字符识别的不是很准确
图像处理
现在网站上的二维码设计的通常很难复杂，如果直接识别的话很难识别出来，下面这段代码是进行灰度处理和二值化
import pytesseract
from PIL import Image
im=Image.open('5.jpg')
#进行置灰处理
im=im.convert('L')
#这个是二值化阈值
threshold=150
table=[]
for i in range(256):
if i
table.append(0)
else:
table.append(1)
#通过表格转换成二进制图片，1的作用是白色，0就是黑色
im=im.point(table,"1")
im.show()
print(pytesseract.image_to_string(im))
原图
置灰和二值化后
想要提高识别率只能下载训练好的语言包，如上述所说，或者用深度学习的方法训练机器
网友评论