python3使用ocr进行简单的图文识别
1、安装
pip install pytesseract
pytesseract 的使用是 基于 后端Tesseract的,故需要安装 Tesseract
2、安装
Tesseract
官方网站:https://github.com/tesseract-ocr/tesseract
官方文档:https://github.com/tesseract-ocr/tessdoc
语言包地址:https://github.com/tesseract-ocr/tessdata
下载地址:https://digi.bib.uni-mannheim.de/tesseract/
注:
1、并配置环境变量
2、安装过程中,可以直接安装简体中文包,此步亲测,没有 那么慢。 (安装后 即可使用 lang='chi_sim')
参考 https://www.jianshu.com/p/f7cb0b3f337a
3、使用
# 图文识字
import pytesseract
from PIL import Image
def imageToStr(image_url, lang):
im = Image.open(image_url)
im = im.convert('L')
im_str = pytesseract.image_to_string(im, lang=lang)
return im_str
img_url = r'C:\Users\peng\Desktop\50.png'
# img_str = imageToStr(img_url, 'eng')
# print('识别到的英文', img_str)
# print('识别到的中文')
cn_img_str = imageToStr(img_url, 'chi_sim')
print(cn_img_str)
4、结果
静夜思
作者: 李
床前明月光,疑是地上入
举头望明月,低头思故乡
5、原图
6、问题:
很显然,
1、李白 的白没打出来
2、霜 ,打成 入
机器学习不深入,可能是因为图片分辨率比较差吧
。。。