1、运行环境
(1) win10
(2) pycharm
(3) python 3.5
2、下载pytesseract、pillow库
(1)在cmd终端页面输入:pip install pytesseract
(2)在cmd终端页面输入:pip install pillow
3、安装Tesseract-OCR软件
我们需要下载Tesseract-OCR这个软件,这里我已经将东西都打包好了放在百度云中,大家可以直接下载:
https://pan.baidu.com/s/1AqkFp6QYB_beoy_GO9aCJA
提取密码:25et
或者在网上下载其他版本的软件:
https://digi.bib.uni-mannheim.de/tesseract/
打开安装包,进行一路安装:
记录好自己的安装路径
安装完之后找到tessdata目录下,将下载的chi_sim.traineddata文件放到该目录下。这样它就能识别中文了。
之后,我们只剩下一个东西要配一下了,在pytesseract模块中的pytesseract.py文件中去配置一下Tesseract-OCR的工作目录,这个时候我们可以通过刚刚pip安装的位置找到pytesseract.py文件,如下图:
进入目录找到pytesseract.py文件并且打开它:
将tesseract_cmd这个变量的值改成Tesseract-OCR的安装目录即可。
现在,我们在准备一张图片,用来识别:
4、编写代码进行测试
img2text.py
#coding:gbk
import pytesseract
from PIL import Image
# 使用pytesseract对英文进行识别,lang参数可省略
code = pytesseract.image_to_string(Image.open(r'shijian.png'),lang="eng")
print(code)
# 使用pytesseract对中文(含英文,但识别率降低)进行识别
code = pytesseract.image_to_string(Image.open(r'shuzi.jpg'),lang='chi_sim')
print(code)
测试结果:
w (p won i
#coding:gbk
import pytesseract
from PIL import Image
H
"7999999999999"
我们可以看到在画质清晰的图片中,数字文字识别比较准确。
此次问题解决到此结束。