官方网站:https://github.com/tesseract-ocr/tesseract
官方文档:https://github.com/tesseract-ocr/tessdoc
语言包地址:https://github.com/tesseract-ocr/tessdata
下载地址:https://digi.bib.uni-mannheim.de/tesseract/
1 基本环境
操作系统:win10 64位系统
python版本:3.6
2 安装配套环境
(1)首先安装OCR字符识别库Tesseract 下载网址:Index of /tesseract
下载下图对应的版本(如下图所示)
下载后双击进行安装,在这里(如下图)要根据需求在安装界面进行语言勾选,展开Additional language data
然后按照下图进行勾选(本人选择的是中文)
然后点击next安装即可(注意:在选择安装路径的时候不要出现中文,并且要记住这个安装路径)。我的路径为:
D:\Tesseract-OCR
接下来配置环境变量。
通过控制面板找到环境变量配置界面如下(找不到环境变量配置的自行百度):
分别对用户变量PATH和系统变量Path添加刚才的安装目录 D:\Tesseract-OCR;
环境变量修改好之后验证下是否安装成功。打开cmd命令行工具 敲入命令:
Tesseract -v
出来如下界面说明成功
(2)安装python环境
pip install Pillow==5.2.0
pip install pytesseract==0.2.4
3 测试
将以下图片保存为OCR_test.png,然后放在桌面上
在cmd窗口中执行 tesseract test.jpg test.txt –l chi_sim+eng(chi_sim是中文识别包,equ是数学公式包,eng是英文包),即可将图片中的文字识别出来
tesseract OCR_test.png OCR_test –l chi_sim+eng
效果图如下: