OCR文字识别 之 Tesseract及tesserocr 安装说明

    python 进行 文字识别,需安装 tesserocr。该模块安装过程坑比较多,本人亲自踩坑,总结如下安装经验。

安装包下载:Tesseract、tesserocr安装包及安装说明资源-CSDN文库

1、 安装Tesseract

    双击tesseract安装包,依次点击 Next,至下面界面,勾选“Additional language data(download)”,然后再依次按照默认设置进行安装(路径可以修改)。

    安装完成之后,将该软件安装目录加入系统环境变量。

    将安装目录下文件夹“tessdata”拷贝至所使用的python.exe 同级目录下(虚拟环境时,需在虚拟环境文件夹下python.exe 同级目录)。

2、 安装 tesserocr

直接使用pip 安装会失败。

Collecting tesserocr
  Downloading tesserocr-2.6.1.tar.gz (58 kB)
     ---------------------------------------- 58.9/58.9 kB 771.7 kB/s eta 0:00:00
  Installing build dependencies ... done
  Getting requirements to build wheel ... error
  error: subprocess-exited-with-error
  × Getting requirements to build wheel did not run successfully.
  │ exit code: 1
  ╰─> [34 lines of output]
      Failed to extract tesseract version from executable: [WinError 2] 系统找不到指定的文件。
      Supporting tesseract v3.04.00
      Tesseract major version 3
      Traceback (most recent call last):
        File "<string>", line 243, in get_build_args
        File "<string>", line 107, in package_config
        File "D:\SoftWare\Anaconda3\envs\RsEnvPy37\lib\subprocess.py", line 769, in __init__
          restore_signals, start_new_session)
        File "D:\SoftWare\Anaconda3\envs\RsEnvPy37\lib\subprocess.py", line 1172, in _execute_child
          startupinfo)
      FileNotFoundError: [WinError 2] 系统找不到指定的文件。
     
      During handling of the above exception, another exception occurred:
     
      Traceback (most recent call last):
        File "D:\SoftWare\Anaconda3\envs\RsEnvPy37\lib\site-packages\pip\_vendor\pep517\in_process\_in_process.py", line 363, in <module>
          main()
        File "D:\SoftWare\Anaconda3\envs\RsEnvPy37\lib\site-packages\pip\_vendor\pep517\in_process\_in_process.py", line 345, in main
          json_out['return_val'] = hook(**hook_input['kwargs'])
        File "D:\SoftWare\Anaconda3\envs\RsEnvPy37\lib\site-packages\pip\_vendor\pep517\in_process\_in_process.py", line 130, in get_requires_for_build_wheel
          return hook(config_settings)
        File "C:\Users\LXH\AppData\Local\Temp\pip-build-env-6pl9s1p_\overlay\Lib\site-packages\setuptools\build_meta.py", line 341, in get_requires_for_build_wheel
          return self._get_build_requires(config_settings, requirements=['wheel'])
        File "C:\Users\LXH\AppData\Local\Temp\pip-build-env-6pl9s1p_\overlay\Lib\site-packages\setuptools\build_meta.py", line 323, in _get_build_requires
          self.run_setup()
        File "C:\Users\LXH\AppData\Local\Temp\pip-build-env-6pl9s1p_\overlay\Lib\site-packages\setuptools\build_meta.py", line 488, in run_setup
          self).run_setup(setup_script=setup_script)
        File "C:\Users\LXH\AppData\Local\Temp\pip-build-env-6pl9s1p_\overlay\Lib\site-packages\setuptools\build_meta.py", line 338, in run_setup
          exec(code, locals())
        File "<string>", line 329, in <module>
        File "<string>", line 260, in make_extension
        File "<string>", line 252, in get_build_args
        File "<string>", line 216, in get_tesseract_version
      RuntimeError: Tesseract library not found in LIBPATH: []
      [end of output]


  note: This error originates from a subprocess, and is likely not a problem with pip.
error: subprocess-exited-with-error


× Getting requirements to build wheel did not run successfully.
│ exit code: 1
╰─> See above for output.


note: This error originates from a subprocess, and is likely not a problem with pip.

使用 .whl文件进行安装,

pip install tesserocr-2.6.0-cp37-cp37m-win_amd64.whl

3、 测试

安装完成后,使用如下代码进行测试

import tesserocr
from PIL import Image
import pytesseract


image = Image.open("D:/test_ocr.png")
result = tesserocr.image_to_text(image, lang='chi_sim')
print(result)

后续公众号会发布系列教程,更多内容请关注公众号:程序猿学习日记

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
首先,感谢您对OCR技术的关注。针对您的问题,我来为您提供一些解答。 Tesseract-OCR是一个免费的OCR引擎,可用于将图像中的文字转换为文本。而jTessBoxEditor是Tesseract-OCR提供的一个GUI界面,可以用于训练OCR识别模型,以提高其准确率。 以下是使用jTessBoxEditor提高OCR识别准确率的一些步骤: 1. 准备训练数据。首先需要准备一些训练图像和相应的文本文件,用于训练OCR模型。 2. 打开jTessBoxEditor。在菜单栏中选择“Tools”->“Merge Tiff”,将训练图像合并成一个多页Tiff文件。 3. 生成Box文件。在菜单栏中选择“Tools”->“Generate Box File”,对合并后的Tiff文件进行分页,并生成对应的Box文件。 4. 编辑Box文件。在菜单栏中选择“Tools”->“Box Editor”,打开Box文件并进行编辑。可以通过手动添加和删除Box框,来指定OCR识别的区域和内容。 5. 训练OCR模型。在菜单栏中选择“Tools”->“Train Tesseract”,进行OCR模型训练。训练完成后,会生成一个新的OCR语言包文件。 6. 测试OCR识别效果。在菜单栏中选择“Tools”->“Test Image”,用训练好的OCR语言包来对新的图像进行OCR识别,并评估识别准确率。 希望这些步骤能对您有所帮助,提高OCR识别率。同时,需要注意的是,OCR技术的准确率还受到许多因素的影响,如图像质量、文字大小、字体等。因此,在实际应用中,还需要针对具体的场景进行调整和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序猿学习

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值