tesseract安装注意 及 pytesseract模块OCR识别的简单操作

'''
注意：
一、tesseract客户端 安装使用注意内容

1、安装过程中需要注意安装语言包

2、配置环境变量 和 TESSDATA_PREFIX变量（即语言字库文件夹tessdata）
首先配置安装目录的环境变量到 PATH 里，注意路径最后以英文符号;来结束。
其次需要配置语言包的变量，先新建一个变量名称 TESSDATA_PREFIX ，然后添加路径为安装目录下的 tessdata 文件夹，注意结尾不要添加符号。

3、验证使用  (CMD)
tesseract 图片名称 输出结果名称

'''


# =============================================================================
# #下面开始引用 pytesseract 操作：
# #主要功能是识别图片  pytesseract.image_to_string(文件)
# =============================================================================

import pytesseract
text=pytesseract.image_to_string('image1.png')  #如果不指定识别语言，则默认 lang='eng'
print(text)


#结合PIL来打开图片 并 识别图片文字
from PIL import Image
import pytesseract

#指定识别图片路径  结合 Image库 获取对象 打开图片
text1=pytesseract.image_to_string(Image.open('1.png'),lang='chi_sim')  #参数：lang='chi_sim'指定中文字库，默认为 eng英文字库
print(text1)



# =============================================================================
# #函数封装：二值化处理图片 并 识别图片文字
# #pytesseract对黑白色的图片识别效果好，进行黑白二值化处理有利于识别精准度
# =============================================================================

#二值化处理图片  低于143像素值的设为白色，否则黑色。
#两个参数：要处理的文件名 和 处理完要保存的新文件名
from PIL import Image
import pytesseract

#二值化处理，即黑白化处理。低于143的像素设置为白色，否则黑色。
def cleanFile(file,newfile):
    image=Image.open(file)
    image=image.point(lambda x: 0 if x<143 else 255)
    image.save(newfile)
    text=pytesseract.image_to_string(image)
    print(text)
    return text

if __name__ == '__main__':
    cleanFile('image1.png','image1New.png')