Python tesserocr模块使用示例

操作系统：Win10 1709 X64

python版本：3.6.5

依赖模块：PIL、tesserocr。

　　需要说明的是，在windows系统上PowerShell通过PIP3 install tesserocr安装验证码识别模块时，需要先安装Tesseract （一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强。）可执行文件。

　　以中国知网的注册页面为例，我们常被要求输入这类简单的字母组成，背景含很多杂线的验证码，如下图所示：

我们对验证码另存为到本地代码所在目录，取名：test.png.

下图是直接用对应模块识别的代码示例：

import tesserocr
from PIL import Image
image=Image.open('test.png')
 
image.show()  #可以打印出图片，供预览
print(tesserocr.image_to_text(image))

　　原始图片尺寸较小，极少情况下如果无法正常识别，可以借助图片处理工具PIL模块进行图片等比例放大后保存。此例中直接运行上述代码，结果为“VHIHI”，即使是肉眼可见较为清晰的验证码，如果图片未经处理直接交由tesserocr解析，也可能识别率很低。

　　通常情况下，我们还需要做些额外的图片处理，如转灰度图，二值化等。

利用Image对应的convert()方法传参L，即可将图片转为灰度图。

image=image.convert('L')

image.show()

传入1即可完成二值化，如下：

image=image.convert('1')

image.show()

当然我们更多时候需要根据图片的实际情况指定二值化的阈值，比如我们将阈值设定为80，先转灰度图，再二值化，代码如下：

import tesserocr
from PIL import Image
image=Image.open('test.png')
image=image.convert("L")
threshold=80
table=[]
for i in range(256):
    if i <threshold:
        table.append(0)
    else:
        table.append(1)
image=image.point(table,'1')
image.show()
print(tesserocr.image_to_text(image))