图片文字识别

拼搏现实的明天。 2021-11-09 00:14 368阅读 0赞

[https://blog.csdn.net/qq\_37193537/article/details/81335165][https_blog.csdn.net_qq_37193537_article_details_81335165]

1、下载安装包

根据https://github.com/tesseract-ocr/tesseract/wiki，我找到非官方的安装包，好像我只看到64位的安装包http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe，下载后直接安装即可，但是要记得你的安装目录，我们等会配置环境变量要用。

如果不是做英文的图文识别，还需要下载其他语言的识别包https://github.com/tesseract-ocr/tesseract/wiki/Data-Files。

简体字识别包：https://raw.githubusercontent.com/tesseract-ocr/tessdata/4.00/chi\_sim.traineddata

繁体字识别包：https://github.com/tesseract-ocr/tessdata/raw/4.0/chi\_tra.traineddata

或者直接我的百度云盘：链接：tesseract 密码：tmdm

第二步：安装

直接执行下载好的tesseract-ocr-setup-4.0.0-alpha.20180109.exe，下一步、下一步安装。安装过程中，会让你安装额外的语言包，可根据选择下载。

第三步：配置环境变量

我的是安装在C:\\Program Files (x86)\\Tesseract-OCR，界面如下：

将“F:\\Tesseract-OCR”添加到环境变量中。如图：

增加一个TESSDATA\_PREFIX变量名，变量值还是我的安装路径F:\\Tesseract-OCR\\tessdata这是将语言字库文件夹添加到变量中;

使用  
打开命令终端，输入：tesseract -v，可以看到版本信息

用命令tesseract --list-langs来查看Tesseract-OCR支持语言。

将命令行切换至目标图像文件目录，比如我们转换文件为test.png（图片文件允许多种格式），位于C:\\Users\\Lian\\Desktop\\test；然后在命令行中输入

tesseract test.png output\_1 –l eng  
【语法】: tesseract imagename outputbase \[-l lang\] \[-psm pagesegmode\] \[configfile…\]

imagename为目标图片文件名，需加格式后缀；outputbase是转换结果文件名；lang是语言名称（在Tesseract-OCR中tessdata文件夹可看到以eng开头的语言文件eng.traineddata），如不标-l eng则默认为eng。

打开文件output\_1.txt，发现tesseract成功的将图像转换成152408。

遇到的问题：  
问题1：

没有配置环境变量，按上面情况将环境变量配置好

问题2：

E:\\testdir>tesseract ttest1.png test1 -l eng

Error opening data file \\Program Files (x86)\\Tesseract-OCR\\tessdata/eng.traineddata

Please make sure the TESSDATA\_PREFIX environment variable is set to the parent directory of your "tessdata" directory.

Failed loading language 'eng'

Tesseract couldn't load any languages!

Could not initialize tesseract.

错误信息的关键词是tesseract\_prefix的环境变量设置。

解决办法： 找到testData所在的目录，默认情况下是在tesseract安装的目录，在环境变量中设置TESSDATA\_PREFIX的环境变量为testdata所在的目录即可。 重新运行命令即可正常使用。  
[https://www.jianshu.com/p/96b95a6c9210][https_www.jianshu.com_p_96b95a6c9210]

from PIL import Image
    import pytesseract
    #上面都是导包，只需要下面这一行就能实现图片文字识别 text=pytesseract.image_to_string(Image.open('denggao.jpeg'),lang='chi_sim') print(text)

我们以识别诗词为例  
下面是我们要识别的图片

![Image 1][]

denggao.JPEG

### 先看下效果图 ###

![Image 1][]

图片文字识别.gif

我们运行代码后识别的结果,有几个字没有正确识别，但是大多数字都能识别出来。

风急天高猿啸哀 渚芸胄芳少白鸟飞凤
    无边落木萧萧下, 不尽长量工盲衮宕衮来
    万里悲秋常1乍窨, 百年多病独登氤
    艰难苦恨擎霜量 漂倒新停澍酉帆

## 一行代码就能识别图片，我们背后要做些准备工作的 ##

*  这里我们需要用到两个库：pytesseract和PIL
 *  同时我们还需要安装识别引擎tesseract-ocr

### 下面就来讲讲这几个库的安装，因为只有这几个库安装好以后Python才能实现一行代码实现图片文字识别 ###

# 一，pytesseract和PIL的安装 #

安装这两个包可以借助pip

*  1，命令行安装  
    pip install PIL  
    pip install pytesseract
 *  2，如果你用的pycharm编辑器，就可以直接借助pycharm实现快速安装。  
    在pycharm的Settings设置页按照下面步骤操作
    
      
    
    
    ![Image 1][]
    
    pycharm用pip安装库.png
    
      
    
    
    这样就能成功安装pytesseract，安装PIL只需要在上面第三步里搜索PIL并点击安装即可
    
      
    
    
    ![Image 1][]
    
    安装成功.png

这时我们安转好了库，运行下面代码

from PIL import Image
    import pytesseract
    text=pytesseract.image_to_string(Image.open('denggao.jpeg'),lang='chi_sim') print(text)

会报下面错误，错误原因是：没有安装识别引擎tesseract-ocr

![Image 1][]

2.png

## 二，安装识别引擎tesseract-ocr ##

*  1.下载下面的安装包，然后直接点击安装即可  
    [tesseract-ocr安装包和中文语言包][tesseract-ocr]

解压安装tesseract-ocr后做如下操作，就可以支持中文识别了。因为tesseract-ocr默认不支持中文识别。

![Image 1][]

支持中文识别.png

*  2，安装完成tesseract-ocr后，我们还需要做一下配置  
    在C:\\Users\\huxiu\\AppData\\Local\\Programs\\Python\\Python35\\Lib\\site-packages\\pytesseract找到pytesseract.py打开后做如下操作

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
    #tesseract_cmd = 'tesseract'
    tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'

也可以通过pycharm快速打开pytesseract.py

![Image 1][]

打开pytesseract包.png

![Image 1][]

6.png

![Image 1][]

关联OCR和pytesseract.png

至此我们所有的配置就完成了，运行下面代码就可以把杜甫的登高这首图片诗解析成文字了

![Image 1][]

项目源码.png

转载于:https://www.cnblogs.com/lgqboke/p/10919102.html

[https_blog.csdn.net_qq_37193537_article_details_81335165]: https://blog.csdn.net/qq_37193537/article/details/81335165
[https_www.jianshu.com_p_96b95a6c9210]: https://www.jianshu.com/p/96b95a6c9210
[Image 1]: 
[tesseract-ocr]: https://link.jianshu.com?t=http://download.csdn.net/download/qiushi_1990/9987023