tesseract-ocr简介
一款免费的开源图像OCR文字识别引擎,初期Tesseract引擎由HP实验室研发,后来贡献给了开源软件业,后由Google进行改进、修改bug、优化,重新发布。它就能根据你的命令将你想要识别的图片中的文字转换成文本的形式,或者转换成能被常规文本编辑器编辑的文本如pdf。到目前为止,它已经支持简体中文、繁体中文、英文、日文、韩文等等60多种语言的识别。并随着大家对它功能上的要求在不断改进、不断消除bug、优化功能。
Pytesseract简介
Pytesseract是python的光学字符识别(OCR)工具。也就是说,它将识别并读取嵌入图像中的文本。 Pytesseract是Google的Tesseract-OCR引擎的包装器。它作为独立的调用脚本也很有用,因为它可以读取Python Imaging Library支持的所有图像类型,包括jpeg,png,gif,bmp,tiff等,而tesseract-ocr默认只支持tiff和bmp。
安装
安装tesseract-ocr
sudo apt-get install tesseract-ocr
安装语言库
tesseract-ocr-eng是英文库,tesseract-ocr-chi-sim是中文库
sudo apt-get install tesseract-ocr-eng tesseract-ocr-chi-sim
安装依赖及pytesseract
pytesseract是python调用谷歌tesseract-ocr工具的一个库,用于识别图片中的信息
# 安装Pillow
sudo pip3 install Pillow
# 安装pytesse