在感兴趣的图像中文字识别处理上,个人发现一些教程都不完整。需要东找西找才能拼凑出来。故此次梳理了下windows上安装完整记录,在应用上是采用python编程。
首先前提下载相关packages。
包括有tesseract-ocr的windows安装版(tesseract-ocr-setup-3.05.01),Pillow、pytesseract。还有tesseract-ocr的中文字体chi_sim.trainedata,eng.trainedata。
然后安装,要按照如下次序。
1、先安装tesseract-ocr的windows安装版。
直接执行下载好的tesseract-ocr-setup-3.05.01.exe,一直下一步安装即可。
1.1在环境变量的系统变量PATH,把tesseract-ocr的安装路径(如 C:\Program Files(x86)\Tesseract-OCR;)添加进去。注意,添加时候开头用“;”跟之前的变量隔开,结尾以“;”结尾。
1.2在环境变量的系统变量中,增加一个TESSDATA_PREFIX变量名,变量值还是tesseract-ocr的安装路径(如C:\Program Files (x86)\Tesseract-OCR; )
1.3把下载的tesseract-ocr的中文字体,拷贝到tesseract-ocr的安装目录(如C:\Program Files (x86)\Tesseract-OCR; )的tessdata目录下即可。
1.4验证是否安装成功
进入cmd窗口,敲入命令cd C:\Program Files (x86)\Tesseract-OCR,在敲入tesseract,应该如下信息则表示安装成功。
还可以用命令tesseract --list-langs来查看Tesseract-OCR支持语言。
2、然后安装Pillow。
pip install Pillow或pythonsetup.py install (下载源码)
3、再安装pytesseract。
pip install pytesseract或pythonsetup.py install (下载源码)