【基于pytesseract进行图片文字识别】

---

前言

我有一个图片，他上面的文字我觉得对我有用，我想把它摘下来，但是，我懒，不想一个一个手巧，又不想借助其他的软件进行识别，就想自己写串代码实现图片的文字识别，怎么办呢？来瞅瞅这篇文章吧(此文章最好用于截图之类规范文章的图片)。

---

一、模块pytesseract实现图片文字OCR识别过程

1.了解

OCR（Optical character recognition，光学字符识别）是一种将图像中的手写字或者印刷文本转换为机器编码文本的技术，可以将图片，纸质文档中的文本转换为数字形式的文本。
pytesseract是基于Python的OCR工具， 底层使用的是Google的Tesseract-OCR 引擎，支持识别图片中的文字，支持如下格式。

2.下载

传送门点击进入

在这里面，往下翻找下图这种，已经完成的。

接着下载安装到想要安装的磁盘，我就默认安装到了c盘

记得勾选想要的而语言
安装完后添加系统环境变量

新创建一个如下图添加。

确认完后，接着按住win+r输入cmd回车，在里面输入
tesseract -v
出现版本号之类的为安装配置成功

tesseract --list-langs

出现上图为语言

3.后续添加语言

传送门打开往下拉，选择下载，下载下来的文件放到最开始安装pytesseract-ocr的文件夹下的tessdata目录下，如图

4.下载相应的库

pip install pytesseract
pip install Pillow # 用于处理图像

二、使用步骤

import pytesseract
# pillow 安装的库名与导入的包名是不一样的
from PIL import Image

# 找自己的tesseract.exe放在哪个目录下
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' 
# 1 加载图片
image = Image.open('图片.png')
# 2. 识别图片上的文字
string = pytesseract.image_to_string(image,lang='chi_sim')
# 3. 打印识别的文字
print(string)

图片如下

运行结果如下（有的识别不是很准确）

注： lang=’ ’ 根据图片的内容进行修改，本图片中文居多，所以用此，添加的内容在tessdata文件夹找，或查看目前所有语言进行使用

---

总结

首先要注意，此方法并不能很好的去识别一些图片，那秀娥图片可能需要经过图片的预处理然后使用，有关于py的问题，可以 点击传送门提问探讨。