Python Tesseract 图片识别-小操练
Python Tesseract 图片识别-小操练
Mshu
发布于 2018-10-31 10:54:22
发布于 2018-10-31 10:54:22
代码可运行
运行总次数：0
代码可运行
小科普 光学字符识别(OCR,Optical Character Recognition)是指对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息. Tesseract的OCR引擎最先由HP实验室于1985年研发，2005年，交由Google对Tesseract进行改进、优化工作。
准备工作
1.PIL 、Pytesseract
from PIL import Image
from pytesseract import image_to_string2.安装引擎 Tesseract-OCR
ok 用画图工具整张简单的图片(vm3.png)小试牛刀
上代码
from PIL import Image
from pytesseract import image_to_string
img = Image.open("vm3.png");
text = image_to_string(img)
print(text)别走，留步，真的只有那么多，不信看结果
支持中文
but,Tesseract是老外开发的，默认不支持中文，需要我们加个中文语言包 将文件chi_sim.traineddata （密码：nd6p） 放到安装目录：Tesseract-OCR\tessdata文件夹内，再整张图
代码骚作修改（，lang='chi_sim'）即可
from PIL import Image
from pytesseract import image_to_string
img = Image.open("vm3.png");
text = image_to_string(img,lang='chi_sim')
print(text)没毛病
骚微复杂图像处理
其实，复杂图片的来不了，需要处理一下，比如这张图片：
这样处理：
img = Image.open("vm.png");
imgry = img.convert("L")
threshold = 140
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
out = imgry.point(table, '1')
out.show()show()一下处理后的结果：
最后，整合一下：
img = Image.open("vm.png");
imgry = img.convert("L")
threshold = 140
table = []
for i in range(256):
if i < threshold:
table.append(0)
else:
table.append(1)
out = imgry.point(table, '1')
text = image_to_string(out)
print(text)
我就知道你会回来，如果你在运行中遇到以下问题：
tesseract is not installed or it's not in your path
一图解万愁
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!
添加环境变量：
变量名：TESSDATA_PREFIX
变量值：testdata的路径如果加了还不行，重启电脑！
如果还不行，试试百度OCR的吧 如果你用来作为验证码识别。可能会用到截屏和裁剪
本文参与 腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。
原始发表：2018-07-05，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
