tesserocr识别图片

tesseract是什么

• tesseract是google开源的OCR;
• tesserocr 是 Python 的一个 OCR 识别库 ，但其实是对 tesseract 做的一 层 Python API
  封装，所以它的核心是 tesseract。 因此，在安装 tesserocr 之前，我们需要先安装 tesseract 。

安装步骤

1. 安装tesseract

地址：https://digi.bib.uni-mannheim.de/tesseract/
使用版本：tesseract-ocr-w64-setup-v5.0.0.20190623.exe
设置环境变量

验证安装是否成功（tesseract -v）

2. 安装wheel库

pip install wheel

3. 安装tesserocr
下载地址：https://github.com/simonflueckiger/tesserocr-windows_build/releases

pip install tesserocr-2.5.2-cp39-cp39-win_amd64.whl

4. 安装图像处理库pillow库

pip install pillow

5. 安装tesserocr

pip install tesserocr

非代码验证

tesseract.exe number.jpg result -l eng 

其中result表示输出结果文件txt名称，eng表示用以识别的语言文件为英文。

在tesseractv5.0.0根目录下面生成一个result.txt 存放识别的结果

python代码验证

使用python语言需要将tesseract默认的语言库放入python安装根目录下

import tesserocr
from PIL import Image

image = Image.open(f'C:\\Users\\Administrator\\Desktop\\1667979197(1).jpg')
res = tesserocr.image_to_text(image)
print(res)

使用默认的语言库识别，识别率不高。Tesseract提供了一套训练样本的方法，用以生成自己所需的识别语言库