Tesseract OCR安装与简单使用

Tesseract OCR安装与简单使用

1.下载Tesseract OCR

下载地址：https://digi.bib.uni-mannheim.de/tesseract/

2.安装Tesseract OCR

• 双击安装程序，进入安装界面。
  

• 接受协议，下一步。
  

• 选择用户
  

• 选择组件

  • 如果电脑配置够好、网速够快，可以之间勾选”Additional language data(download)“，下载全部额外的语言数据。
    

  • 直接全选的话，后面下载语言包需要很长时间，导致安装进度缓慢。可以点击“Additional language data(download)”旁边的”+“号，选择几种需要的语言包。
    

• 设置安装目录。点击”Next“。
  

• 点击”Install“。
  

• 等待安装完成。
  
  

• 安装完成。点击”Finish“。
  

• 将目录添加到系统环境变量Path
  

• 查看版本信息

  tesseract -v

• 查看已下载的语言包。

  tesseract --list-langs

3.文字识别程序编写

• 安装pytesseract模块

pip install pytesseract

• 示例1：

from PIL import Image
import pytesseract


# 添加tesseract的路径
pytesseract.pytesseract.tesseract_cmd = r'D:\software\Tesseract-OCR\tesseract.exe'
"""
image_to_string()：如果识别英文或数字可以不必额外参数，如果识别其他语言则需要加上lang参数
lang='chi_sim'表示要识别的是中文简体
没有识别出来时，返回空白
"""
text = pytesseract.image_to_string(Image.open('test.jpg'), lang='chi_sim')
print(text)

test.jpg：

识别效果：

• 示例2：

  test2.jpg：
  
  识别效果：
  

• 示例3

  test4.png：
  
  识别效果：
  

---

参考文章：

• https://blog.csdn.net/weixin_51571728/article/details/120384909
• https://blog.csdn.net/qq_53751944/article/details/125941604