python tesseract 识别图片中的文字的乱码问题(ubuntu系统下)

OCR(Optical Character Recognition):光学字符识别,是指对图片文件中的文字进行分析识别，获取的过程。

首先,需要安装  tesseract-ocr(tesseract OCR识别引擎) 、pytesseract 和 tesseract(这个是在终端自己用命令识别图片时候用的)

sudo pip install pytesseract
sudo apt-get install tesseract
sudo apt-get install tesseract-ocr

附录:
tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库。
如果想能识别中文，可以到http://code.google.com/p/tesseract-ocr/downloads/list下载对应的语言的字库文件.一般google访问不了，请到这里下载即可，
简体中文字库文件下载地址为: http://download.csdn.net/download/wanghui2008123/7621567 下载完成后解压，然后将该文件剪切到tessdata目录下去就可以了(请注意是放到tessdata文件下)。

1. 识别只有字符的图片  tesseract  xxx.jpg  test ，此时会把图片中的字符全放在test.txt中.
2.识别有汉字的图片  tesseract pytesseract.jpg test -l chi_sim   
-l chi_sim 表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为 .raineddata 简体中文字库文件名为: chi_sim.traineddata）

转载于:https://www.cnblogs.com/nyist-xsk/p/7762476.html