Python 中文OCR

落日映苍穹つ 2022-03-18 07:42 125阅读 0赞

有个需求，需要从一张图片中识别出中文，通过python来实现，这种这么高大上的黑科技我们普通人自然搞不了，去github找了一个似乎能满足需求的开源库-[tesseract-ocr][]：

> Tesseract的OCR引擎目前已作为开源项目发布在Google Project，其项目主页在这里查看[https://github.com/tesseract-ocr][tesseract-ocr]，  
> 它支持中文OCR，并提供了一个命令行工具。python中对应的包是pytesseract. 通过这个工具我们可以识别图片上的文字。

笔者的开发环境如下：

*  macosx
 *  python 3.6
 *  brew

**安装tesseract**

brew install tesseract
      
       
        1

**安装python对应的包：pytesseract**

pip install pytesseract
      
       
        1

![这里写图片描述][SouthEast]

**怎么用？**

如果要识别中文需要下载对应的训练集：[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]  
，下载”chi\_sim.traineddata”，然后copy到训练数据集的存放路径，如：

![这里写图片描述][SouthEast 1]

![这里写图片描述][SouthEast 2]

具体代码就几行:

#!/usr/bin/env python3# -*- coding: utf-8 -*-import pytesseractfrom PIL import Image# open imageimage = Image.open('test.png')code = pytesseract.image_to_string(image, lang='chi_sim')print(code)
      
       
        1 
        2 
        3 
        4 
        5 
        6 
        7 
        8 
        9 
        10

OCR速度比较慢，大家可以拿一张包含中文的图片试验一下。

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！[https://blog.csdn.net/jiangjunshow][https_blog.csdn.net_jiangjunshow]

[tesseract-ocr]: https://github.com/tesseract-ocr
[SouthEast]: /images/20220318/d8ec6574d31147e38039d6336ebf8646.png
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[SouthEast 1]: /images/20220318/8384776d27ae4d0a824eccdbc04b65e7.png
[SouthEast 2]: /images/20220318/8dc30e8bd20e4bf88c17c8d3dca1bce4.png
[https_blog.csdn.net_jiangjunshow]: https://blog.csdn.net/jiangjunshow/article/details/77338485