使用 Tesseract 实现藏文OCR

要识别藏文，最常用且有效的方法是使用Tesseract OCR（谷歌开源的OCR工具），因为它拥有针对藏文的预训练模型支持。

---

🚀 一、安装 Tesseract OCR 软件：

• 下载链接：Tesseract OCR 下载页面

Windows用户：

• 下载Tesseract installer (tesseract-ocr-w64-setup.exe)，安装时勾选“Additional language data”，或单独下载藏文语言包。

• 安装时务必记住安装路径，例如：

  C:\Program Files\Tesseract-OCR\
  

📌 二、添加环境变量：

• 把C:\Program Files\Tesseract-OCR\路径添加到环境变量中。

检查是否安装成功：

tesseract --version

---

📥 三、安装 Python 调用接口：

打开命令行，输入：

pip install pytesseract pillow

• pytesseract用于调用Tesseract。
• pillow 用于图片处理。

---

🌍 四、下载藏文语言模型：

• 前往Tesseract藏文语言包页面下载bod.traineddata。

• 将下载的bod.traineddata文件复制到Tesseract安装目录下的tessdata文件夹：

例如：

C:\Program Files\Tesseract-OCR\tessdata\bod.traineddata

---

📂 五、重新实现藏文OCR程序：

项目结构：

ocr_project/
│
├── test_tibetan.jpg
└── tibetan_ocr_tesseract.py

打开tibetan_ocr_tesseract.py，编写以下代码：

🧑‍💻 完整代码示例：

from PIL import Image
import pytesseract

# 配置 Tesseract 可执行文件路径 (注意替换为你自己的路径)
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 加载图片
img_path = 'test_tibetan.jpg'
img = Image.open(img_path)

# 识别藏文
text = pytesseract.image_to_string(img, lang='bod')

# 输出结果
print("识别出的藏文为：")
print(text)

---

▶️ 六、运行测试：

打开命令行，在项目目录下运行：

python tibetan_ocr_tesseract.py

运行后你会得到类似如下结果：

识别出的藏文为：
བཀྲ་ཤིས་བདེ་ལེགས།

中文：扎西德勒

此时表示成功识别藏文图片中的文字！

---

📖 为什么推荐 Tesseract？

• Tesseract拥有广泛语言支持，包含藏文预训练模型。
• 谷歌开源，社区活跃，广泛应用于藏文OCR实践中。

---

🚩 常见问题排查：

• 识别效果不好？

  • 确认图片清晰，字体标准。
  • 尝试对图片进行灰度或二值化处理提高效果。

• 路径问题：

  • 必须确保环境变量正确添加。
  • 代码里 tesseract_cmd 路径设置必须准确。

---

🌟 试试使用Tesseract实现你的藏文OCR识别功能吧！