Python 识别图片文字（ Tesseract 安装使用 ）

1.tesseract下载安装

        下载地址：Index of /tesseract

        tesseract软件对应的是下载列表中的.exe文件，版本号已经更新到5.0，其中文件名中带有dev的代表是开发版，没有带的是稳定版，建议下载稳定版的，至于版本号可以根据需要选择，我使用的是5.0版本的：tesseract-ocr-w64-setup-v5.0.0-alpha.20210506.exe.

         下载完成后双击软件进行安装 ，可以自定义安装路径，安装到下面一步时，可以选择下载附加语言包，默认是支持英文的，这一步之后安装步骤只需要一直点击next即可完成安装。

 

         安装完成后，需要将tesseract软件的安装路径添加到环境变量中，如安装路径为：D:\图片识别，则打开环境变量把该路径添加进去即可。

   验证tesseract软件是否安装成功以及是否添加到了环境变量中，打开cmd窗口，输入命令：

tesseract -v

 2.安装pytesseract库和Pillow库

        在python中使用tesseract软件，还需要安装一个pytesseract库，以及一个图片处理的Pillow库打开cmd窗口依次输入下面两个命令：(我的是已经安装过了)

pip install pytesseract


pip install Pillow

# 导入相关库
import pytesseract
from PIL import Image

        安装完成pytesseract库后，我们接着找到自己python的安装路径，假如我自己的python安装在 D:\Python 路径下，那么我按这个路径打开：D:\Python\Lib\site-packages\pytesseract，在pytesseract目录下找到pytesseract.py文件。

        接着，用记事本或其它编辑软件打开它，找到 tesseract_cmd 这个字段，将它后面的路径改为tesseract软件的实际安装路径，就是上面你添加到环境变量中的路径，修改完成之后保存。

 3.安装中文识别字库

        因为前面说了tesseract软件默认是识别英文和阿拉伯数字的，为了更好的识别中文，我们还需要安装一个中文字库。字库下载地址:   中文字库

        下载完成后将字库chi_sim.traineddata文件，复制到tesseract软件安装目录的tessdata目录下（D:\图片识别\tessdata）。

        这一步完成之后就具备了识别图片文字的环境了，下面开始使用python程序识别文字。

4.Python图片文字识别程序

        4.1 待识别的图片

        

        4.2 识别程序

import pytesseract
from PIL import Image

img = Image.open('pic1.jpg')  # 获取图片句柄
img = img.convert("L")    # 图像转灰度

# 定义灰度界限（阈值），大于这个值为黑色（1），小于这个值为白色（0）
threshold = 200    # 可手动调整阈值，以达到更好识别效果，范围是（0-255）

# 图像二值化处理
table = []
for n in range(256):
    if n < 150:
        table.append(0)
    else:
        table.append(1)
img = img.point(table, '1')

# img.show()    # 显示处理后图像
# img.save("pic.jpg")    # 保存图像

# 识别图片文字
string = pytesseract.image_to_string(img, lang='chi_sim')
print(string.replace(" ", ""))    # 打印识别信息，去掉识别内容中的空格字符

        4.3 识别结果

        到这里，我们已经实现了用python识别图片基本的文字内容信息了，对于背景与文字有比较清晰轮廓的图片，识别起来不会有很大问题。但是对于一些内容比较丰富的图片，需要识别上面的文字，还需要对图片作多的处理。希望从这个文章开始，可以让你去了解学习更多处理图像的方法。记得点赞噢