Python--文字识别--Tesseract

Python--文字识别--Tesseract

 
22 人赞同了该文章

1.介绍

Tesseract 是一个 OCR 库,目前由 Google 赞助(Google 也是一家以 OCR 和机器学习技术闻名于世的公司)。Tesseract 是目前公认最优秀、最精确的开源 OCR 系统。 除了极高的精确度,Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体,也可以识别出任何 Unicode 字符。

2.安装

以下所有都是在mac上安装实现的

//安装tesseract的同时安装训练工具
brew install --with-training-tools tesseract

//安装tesseract的同时安装所有语言,语言包比较大,如果安装的话时间较长,建议不安装,按需选择
brew install  --all-languages tesseract

//安装tesseract,并安装训练工具和语言
brew install --all-languages --with-training-tools tesseract 

//只安装tesseract,不安装训练工具
brew install  tesseract

 

3.下载语言库

 

下载地址:tesseract-ocr/tessdata

默认自带的是英语

根据自己的需求选择所要的语言库,在这里我们选择的是简体中文所以选择的库是:chi_sim.traineddata

将文件拷贝到到:/usr/local/Cellar/tesseract/(你下载的版本号)/share/tessdata目录下。

 

4.Tesseract的命令行使用

一般使用:

//默认使用eng文字库, imgName是图片的地址,result识别结果
tesseract imgName result

指定语言:

//指定使用简体中文
tesseract -l chi_sim imgName result

//查看本地存在的语言库
tesseract --list-langs

指定多语言:

//指定多语言,用+号相连
tesseract -l chi_sim+eng imgName result

 

5.Tesseract在Python中使用

 

通过 pip 安装支持Python 版本的 Tesseract库

pip install pytesseract

通过Python代码的简单实现

import pytesseract
from PIL import Image

image = Image.open('/Users/admin/Desktop/test.jpg')
text = pytesseract.image_to_string(image)
print text

是爬虫中的验证码的识别,可以通过更换别人训练好的语言包来识别.如果想自己通过训练来获得语言包也是可以的.

6.Tesseract训练

这里放个官方文档,等我练好了再分享

[tesseract-ocr/tesseract](tesseract-ocr/tesseract)

 

[更多内容](ztfDeveloper的博客 - CSDN博客)

posted on   漫思  阅读(781)  评论(0编辑  收藏  举报

相关博文:
阅读排行:
· DeepSeek “源神”启动!「GitHub 热点速览」
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)
· DeepSeek R1 简明指南:架构、训练、本地部署及硬件要求
· NetPad:一个.NET开源、跨平台的C#编辑器
历史上的今天:
2020-01-15 关于Vue.use()详解
2020-01-15 vuex actions传递多参数的处理
2020-01-15 在Vuex使用 以及 dispatch和commit来调用mutations的区别
2020-01-15 vuex里mapState,mapGetters使用详解
2020-01-15 Vue访问子组件实例或子元素
2020-01-15 git常用命令

导航

< 2025年2月 >
26 27 28 29 30 31 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 1
2 3 4 5 6 7 8
点击右上角即可分享
微信分享提示