ubuntu 图片文字识别

仅限个人学习所用

第一次用博客写东西，有点不习惯，如果我的代码存在什么错误，欢迎留言，互相探讨。

安装我不详细讲，只说我踩的坑

1.安装完pillow-> tesseract -> pytesseract 后，一定要记得下载自己需要的需要包
2.tesseract自带有一个"eng"的包，如果需要转中文，可以到"https://github.com/tesseract-ocr/tessdata" [上述地址为转载地址]进行下载，我自己下了一个"chi_sim_vert.traineddata"转中文的训练包
3.打开终端，cd到你下载的文件下，将该文件移动到"/usr/share/tesseract-ocr/4.00/tessdata"文件夹下，命令 : “sudo mv aze.traineddata /usr/share/tesseract-ocr/4.00/tessdata”

看源码

from PIL import Image
import pytesseract


class CharaterRecognition(object):
def __init__(self, image_file, threshold=127):
    self.img = image_file
    print(self.img)
    self.threshold = threshold

# 二值化图像
def _erzhihua(self):
    # 读取图片
    img = Image.open(self.img)
    # 二值化处理[非黑即白]
    image = img.convert('L')
    # 进行二分定值[转化为两种结果:0/1]
    table = []
    for i in range(256):
        if i < self.threshold:
            table.append(0)
        else:
            table.append(1)
    return image.point(table, '1')

# 图片文字获取
def get_character(self):
    """
    返回图片识别出的文字
    :return:
    """
    result_img = CharaterRecognition._erzhihua(self)
    # 图片展示
    result_img.show()
    # 图片内容
    content = ''
    try:
        # 识别图片，获取文字
        # print("开始识别图片",'测试调节用!!!')
        content = pytesseract.image_to_string(result_img, lang='chi_sim')
    except Exception as e:
        print("传入格式不对，或者传入的不是图片")
    return content

cha = CharaterRecognition(‘c1.jpg’)
text = cha.get_character()
print(text)

图片的识别正确率不高，但是作为学习用应该够了