tesseract配置与文字识别(19)

1. 安装tesseract

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们都是一些不规则的字符，这些字符确实是由字符稍加扭曲变换得到的内容。

pip install pytesseract

继续安装tesseract.exe

tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

2、配置环境变量

为了在全局使用方便，比如安装路径为C:\Program Files (x86)\Tesseract-OCR\Tesseract-OCR，将该路径添加到环境变量的path中.

3 新建tessdata文件

4 新建系统环境变量

官网 :http://tesseract.gg/

5 图片识别

from PIL import Image
import pytesseract

#Image去除噪点
img=Image.open('tim.png')
text=pytesseract.image_to_string(img)
print(text)

结果

6 基于opencv的验证码识别

import cv2 as cv
from PIL import Image
import pytesseract



def recognize_text(src):
    gray=cv.cvtColor(src,cv.COLOR_BGR2GRAY)
    blurer=cv.GaussianBlur(gray,(9,9),0)
    ret,binary=cv.threshold(blurer,0,255,cv.THRESH_BINARY_INV|cv.THRESH_OTSU)
    res=cv.bitwise_not(binary)
    cv.imshow('res', res)
    #开操作
    kernel=cv.getStructuringElement(cv.MORPH_RECT,(2,2))
    bin=cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)

    bin2=cv.morphologyEx(bin,cv.MORPH_CLOSE,kernel)
    cv.imshow('bin',bin2)

    textImage=Image.fromarray(bin2)
    word=pytesseract.image_to_string(textImage)
    print('识别出来:',word)


src=cv.imread('./numcode.jpg')
cv.imshow('before',src)
recognize_text(src)
cv.waitKey(0)
cv.destroyAllWindows()