使用Python基于OpenCV和Tesseract的OCR

OCR

OCR(Optical Character Recognition,光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。

Tesseract(识别引擎)

简介

Tesseract是一款由HP实验室开发由Google维护的开源OCR引擎，当时在1995年已经成为OCR业内最准确的三款识别引擎之一，后开源并委托Google对其进行改进、优化，特点是开源，免费，支持多语言，多平台。
Tesseract目前已作为开源项目发布在Google Project，它与Leptonica图片处理库结合，可以读取各种格式的图像并将它们转化成超过60种语言的文本。同时，与Microsoft Office Document Imaging(MODI)相比，其还可以不断训练其他库，使图像转换文本的能力不断增强。

项目地址：https://github.com/tesseract-ocr/tesseract

一、下载并安装OCR字符识别库Tesseract

1）下载

地址：https://digi.bib.uni-mannheim.de/tesseract/

下载对应版本：tesseract-ocr-w64-setup-v5.0.0.20190623.exe

2）安装

勾选额外的语言(中文)：展开Additional language data(download) --> 勾选Chinese

安装路径：C:\ProgramData\Tesseract-OCR（注意：安装路径不要出现中文）

3）配置环境变量

Path --> 编辑 --> 新建 --> C:\ProgramData\Tesseract-OCR

4）验证

Tesseract -v

二、安装Python包

pip install Pillow==5.2.0
pip install pytesseract==0.2.4

三、OCR识别

import pytesseract
from PIL import Image
image = Image.open('Text.png')
code = pytesseract.image_to_string(image,lang='chi_sim')
print(code)

 

问题：未找到Tesseract-OCR安装路径

 

解决：在C:\Anaconda3\Lib\site-packages\pytesseract目录下，修改pytesseract.py

 

转载于:https://www.cnblogs.com/YSPXIZHEN/p/11289728.html