Tesseract介紹
tesseract是一個挺不錯的OCR引擎，目前的問題是最新的中文資料相對較少，過時、不準確的信息偏多。
tesseract是一個google支持的開源ocr項目，其項目地址：https://github.com/tesseract-ocr/tesseract，目前最新的源碼可以在這里下載。
實際使用tesseract ocr也有兩種方式：1. 動態庫方式 libtesseract 2. 執行程序方式 tesseract.exe
環境
- Python 3.6.3
- pip 9.0.1
- tesseract-ocr-setup-3.05.00dev.exe
- Windows10
安裝
1.tesseract-orc
- Tesseract：開源的OCR識別引擎，初期Tesseract引擎由HP實驗室研發，后來貢獻給了開源軟件業，后經由Google進行改進，消除bug，優化，重新發布。
安裝的時候需要自行選擇安裝的語言，一些其他國家的語言可以不選擇安裝，我之按安裝了中文，英文和日語。安裝過程和其他軟件一樣。
2.pytesseract
pip install pytesseract
配置環境
1.設置 tesseract-orc路徑
默認情況下tesseract-orc是不被添加到系統的path路徑的，這樣在使用的時候發生FileNotFoundError: [WinError 2] 系統找不到指定的文件錯誤。
解決方法:
- 方法1：將 C:\Program Files (x86)\Tesseract-OCR添加到系統路徑（路徑因安裝過程而異）
- 方法2：修改pytesseract.py文件
設置訓練集的位置
下載的默認訓練集也沒有添加到系統路徑,會報錯
|
1
|
pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\tessdata/chi_sim.traineddata') |
解決方法：
設置環境變量 TESSDATA_PREFIX
C:\Program Files (x86)\Tesseract-OCR\tessdata
實例程序
|
1
2
3
4
5
|
import pytesseractfrom PIL import Imageimage = Image.open('test.png')code = pytesseract.image_to_string(image)print(code) |
更多參考:https://pypi.python.org/pypi/pytesseract
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對服務器之家的支持。如果你想了解更多相關內容請查看下面相關鏈接
原文鏈接：https://blog.csdn.net/qq_14998713/article/details/78824859
