Python 自动识别图片文字—保姆级OCR实战教程

网络安全学习规划

已于 2024-01-05 15:16:54 修改

阅读量9.8k

点赞数 7

分类专栏： python 文章标签： python 开发语言 python实战项目经验分享 python入门

于 2022-10-20 15:15:00 首次发布

本文链接：https://blog.csdn.net/weixin_49891576/article/details/127407341

版权

python 专栏收录该内容

473 篇文章 23 订阅

订阅专栏

这是本文的目录

前言
Python入门教程
资料领取

前言

OCR 是光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。
很早之前就有同学在后台回复希望出一篇 OCR 相关的文章，今天尝试了一下 cnocr 和 tesseract 两个 Python 开源识别工具的效果，给大家分别讲讲两个工具的使用方法和对比效果。

1.准备

开始之前，你要确保Python和pip已经成功安装在电脑上，如果没有，可以访问这篇文章：超详细Python安装指南进行安装。
(可选1) 如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，它内置了Python和pip.
(可选2) 此外，推荐大家用VSCode编辑器，它有许多的优点：Python 编程的最好搭档—VSCode 详细指南。
请选择以下任一种方式输入命令安装依赖：

Windows 环境打开 Cmd (开始-运行-CMD)。
MacOS 环境打开 Terminal (command+空格输入Terminal)。
如果你用的是 VSCode编辑器或 Pycharm，可以直接使用界面下方的Terminal.

（选择一）安装 cnocr：
pip install cnocr
看到 Successfully installed xxx 则说明安装成功。
如果你只想对图片中的中文进行识别，那么 cnocr 是一个不错的选择，你只需要安装 cnocr 包即可。
但如果你想试试其他语言的OCR识别，Tesseract 是更好的选择。

（选择二）安装 pytesseract：
首先，无论是Windows还是macOS，你都需要安装 pytesseract:
pip install pytesseract
其次，还需要安装Tesseract.
（macOS） Tesseract 在macOS下可以使用brew安装：
brew install tesseract
非常方便，一条命令即可完成安装。
（Windows） 安装Tesseract
需要先下载安装tesseract的程序，然后下载中文简体字预训练好的模型包（尽管本教程不会用tesseract，但还是给大家提供了）。
你可以在Python实用宝典公众号后台回复：tesseract 打包下载。
下载完成后，将 tesseract-ocr-setup-4.00.00dev.exe 安装到 Tesseract-OCR 指定目录下，复制该目录路径增加到Path中：
在这里插入图片描述
并将训练好的模型文件 chi_sim.traineddata 放入该目录中，这样安装就完成了。

2.cnocr 识别图片的中文

cnocr 主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。目前内置的文字检测和分行模块无法处理复杂的文字排版定位。

尽管它分别提供了单行识别函数和多行识别函数，但在本人实测下，单行识别函数的效果非常糟糕，或者说要求的条件十分苛刻，基本上连截图的文字都识别不出来。

不过多行识别函数还不错，使用该函数识别的代码如下：

from cnocr import CnOcr
ocr = CnOcr()
res = ocr.ocr(‘test.png’)
print(“Predicted Chars:”, res)
用于识别这个图片里的文字：
在这里插入图片描述
效果如下：

如果不是很吹毛求疵，这样的效果已经很不错了。

3.pytesseract 识别图片的英文

如果你的OCR目的不是中文而是英文，是需要别的模型的。这里给大家分享Tesseract-OCR，它是一款由HP实验室开发，由Google维护的开源OCR引擎。

Tesseract-OCR 可扩展性很强，你可以基于它训练属于自己的OCR模型。

现在给大家看看它分类英文的效果，代码如下：

import pytesseract
from PIL import Image

image = Image.open(‘test.png’)
code = pytesseract.image_to_string(image, lang=‘eng’)
print(code)
识别的图片：
在这里插入图片描述
效果如下：

Tesseract 识别英文的效果真的很不错，中文效果就比较一般了。