1.环境准备
——windows7 64位
——python 2.7
——tesseract-ocr,是google管理的开源项目。可以在这里获取https://github.com/tesseract-ocr/tesseract/wiki/Downloads,这里我们下载4.0版本。https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe,下载完成后按照默认设置安装。
安装完毕后,需要配置2个环境变量。
1.path中添加tesseract.exe所在目录
2.增加一个TESSDATA_PREFIX变量名,变量值还是我的安装路径C:\Program Files (x86)\Tesseract-OCR;
安装详细步骤,可参考https://www.cnblogs.com/jianqingwang/p/6978724.html
——pytesseract,是tesseract的python库所以,使用pip即可安装这个库。同时我们还需要PIL用于图像处理,在没有PIL的情况下,tesseract只支持bmp图片。PIL现在改名为pillow,在pip安装的时候,需要注意名称。
pip install pillow
pip install pytesseract
扫描二维码关注公众号,回复:
8916882 查看本文章
2.tesseract的应用
import pytesseract
from PIL import Image
code = image_to_string(Image.open('test.png'), lang="eng", config="-psm 7")
print code
以上代码可以识别test.png的文字,lang参数表示language,eng表示英文,config参数为识别方式,可以在cmd中执行tesseract,可以看到-psm的值表示的识别方式,这里-psm 7表示识别为单行文字