环境:windows
1.pip install pillow
2.pip install pytesseract
3.下载并安装Tesseract-OCR 4.0:https://digi.bib.uni-mannheim.de/tesseract/
修改环境变量:PATH添加Tesseract-OCR路径。系统变量新增TESSDATA_PREFIX,设置路径Tesseract-OCR下tessdata。
改完重启计算机
---------------------------------------------可以用了------------------------------------------------------------------------------------------------------
5.识别中文需要中文字库,实测最完美的一个:https://github.com/tesseract-ocr/tessdata_best/blob/master/chi_sim.traineddata
下载后放入Tesseract-OCR下tessdata文件夹。
---------------------------------无特殊需求到这一步就可以了----------------------------------------------------------------------------------------
6.想要提高识别率,需要自己训练字库。
完美教程:https://blog.csdn.net/a745233700/article/details/80175883
【提示1】jTessBoxEditor必须下FX版本,FX版本才支持中文,如果官网下得慢用这个:https://download.csdn.net/download/qq_37439485/10634755
【提示2】调盒子是个苦力活,注意用来训练的图片是很多张的情况下调好一张图片翻到下一页调下一张,不要只调第一张就觉得结束了。
7.把训练好的字库(.traineddata)拷贝到Tesseract-OCR下tessdata文件夹。
8.附python测试代码(这里我训练得到的字库名叫mychi.traineddata)