光学文字识别(OCR)

一、什么是光学文字识别？

简单来说，就是将图片上的文字给识别出来，称为光学文字识别(Optical Character Recognition),简写为OCR。目前市面上这种库并不多，因为做这个需要很强的深度学习功底，而大多数人又不懂这个方面的内容，所以开源的库就更少了，公认的最优秀的开源的OCR库为谷歌赞助开发的Tesseract。

Tesseract是一个开源的OCR引擎，大家均可以免费使用，惠普公司的布里斯托尔实验室在1984-1994年开发完成，起初作为惠普的平板扫描仪的文字识别引擎。Tesseract在1995年UNLV OCR字符识别准确性测试中拔得头筹，受到广泛关注，后来HP放弃了OCR市场，在1994年以后，Tesseract的开发就停止了。

在2005年，HP将Tesseract贡献给开源社区。美国内华达州信息技术研究所获得该源码，同时，Google开始对Tesseract进行功能扩展及优化。目前，Tesseract作为开源项目发布在Google Project上，重获新生，它支持60种以上的语言，提供一个引擎和一个命令行工具。

二、安装tesseract-ocr

1.双击可执行文件。

2.按照步骤安装即可。

3.设置环境变量

(1)训练数据文件环境变量【环境变量必须为这个名字】

TESSDATA_PREFIX=D:\study\Tesseract-OCR\tessdata

(2)tesseract.exe环境变量

在Path中直接添加即可。

三、在命令行使用tesseract-ocr

1.将【tesseract.exe】所在的文件夹添加到环境变量里面。

2.使用cmd进入到想识别的图片的所在的文件夹内。

使用方法：tesseract   eg.png(文件名)    eg(识别结果存放的文件)

3.识别中文

使用方法：tesseract   eg.png(文件名)    eg(识别结果存放的文件)  -l   chi_sim

四、在Python中使用tesseract-ocr

1.Python需要安装对应的库

(1)在线安装：

pip install pytesseract

(2)离线安装：

下载对应的.whl文件即可安装。

示例博客地址：https://blog.csdn.net/weixin_42830697/article/details/102492605

2.查看对应的版本

3.测试是否安装成功

执行导入操作未报错即表示安装成功！！