Python图像处理之图片文字识别（OCR）

爱被打了一巴掌 2022-05-23 12:35 288阅读 0赞

## OCR与Tesseract介绍 ##

将图片翻译成文字一般被称为光学文字识别（Optical Character Recognition，**OCR**）。可以实现OCR 的底层库并不多，目前很多库都是使用共同的几个底层OCR 库，或者是在上面进行定制。  
  Tesseract 是一个OCR 库，目前由Google 赞助（Google 也是一家以OCR 和机器学习技术闻名于世的公司）。Tesseract 是目前公认最优秀、最精确的开源OCR 系统。  
  除了极高的精确度，Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体（只要这些字体的风格保持不变就可以），也可以识别出任何Unicode 字符。

## Tesseract的安装与使用 ##

Tesseract的Windows安装包下载地址为： http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe ，下载后双击直接安装即可。安装完后，需要将Tesseract添加到系统变量中。在CMD中输入tesseract -v, 如显示以下界面，则表示Tesseract安装完成且添加到系统变量中。  
![70][]  
  Linux 用户可以通过apt-get 安装：

$sudo apt-get tesseract-ocr

用Tesseract可以识别格式规范的文字，主要具有以下特点：

• 使用一个标准字体（不包含手写体、草书，或者十分“花哨的”字体）  
• 虽然被复印或拍照，字体还是很清晰，没有多余的痕迹或污点  
• 排列整齐，没有歪歪斜斜的字  
• 没有超出图片范围，也没有残缺不全，或紧紧贴在图片的边缘  
  下面将给出几个tesseract识别图片中文字的例子。  
  首先是E://figures/other/poems.jpg, 输入命令 tesseract E://figures/other/poems.jpg E://figures/other/poems.txt， 则会将poems.jpg中的识别文字写入到poems.txt中，如下图：  
![poems.jpg][]  
![70 1][]  
![70 2][]  
  接着是稍微有点倾斜的文字图片th.jpg,识别情况如下：  
![70 3][]  
![70 4][]  
可以看到识别的情况不如刚才规范字体的好，但是也能识别图片中的大部分字母。  
  最后是识别简体中文，需要事先安装简体中文语言包，下载地址为：https://github.com/tesseract-ocr/tessdata/find/master/chi\_sim.traineddata ,再讲chi\_sim.traineddata放在C:\\Program Files (x86)\\Tesseract-OCR\\tessdata目录下。我们以图片timg.jpg为例：  
![70 5][]  
输入命令：

tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim

识别结果如下：  
![70 6][]  
只识别错了一个字，识别率还是不错的。  
  最后加一句，Tesseract对于彩色图片的识别效果没有黑白图片的效果好。

## pytesseract ##

pytesseract是Tesseract关于Python的接口，可以使用pip install pytesseract安装。安装完后，就可以使用Python调用Tesseract了，不过，你还需要一个Python的图片处理模块，可以安装pillow.  
  输入以下代码，可以实现同上述Tesseract命令一样的效果：

import pytesseract
    from PIL import Image
    
    pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'
    text = pytesseract.image_to_string(Image.open('E://figures/other/poems.jpg'))
    
    print(text)

运行结果如下：  
![70 7][]

## 参考文献 ##

1.  Python网络数据采集 【美】 Ryan Mitchell 人民邮电出版社
2.  https://blog.csdn.net/dcrmg/article/details/78233459?locationNum=7&fps=1
3.  http://www.inimei.cn/archives/297.html

\*\*\*注意：\*\*\*本人现已开通微信公众号： 轻松学会Python爬虫（微信号为：easy\_web\_scrape）， 欢迎大家关注哦~~

[70]: /images/20220523/e4f5796117fe438286f5d62a8f9df156.png
[poems.jpg]: /images/20220523/967276437d6343c2a81ceb8bd5a88032.png
[70 1]: /images/20220523/ffa2907c8fe1464fb642a12af9b8c1ae.png
[70 2]: /images/20220523/8f46e9663bc047be988dfcd4c2620185.png
[70 3]: /images/20220523/b270098136f64da8ade039a22d6630f1.png
[70 4]: /images/20220523/7a1a5fbcc3b6490ca98765c6d5518705.png
[70 5]: /images/20220523/80660bc442274e35a4d5608947a984d0.png
[70 6]: /images/20220523/b77837379de14169bf9b0ed05ef0a8bf.png
[70 7]: /images/20220523/0c8a54f28db1470d9d427f035da7e708.png