Tesseract介紹

tesseract是一個挺不錯的OCR引擎，目前的問題是最新的中文資料相對較少，過時、不準(zhǔn)確的信息偏多。

tesseract是一個google支持的開源ocr項(xiàng)目，其項(xiàng)目地址：https://github.com/tesseract-ocr/tesseract，目前最新的源碼可以在這里下載。

實(shí)際使用tesseract ocr也有兩種方式：1. 動態(tài)庫方式 libtesseract  2. 執(zhí)行程序方式 tesseract.exe

環(huán)境

• Python 3.6.3
• pip 9.0.1
• tesseract-ocr-setup-3.05.00dev.exe
• Windows10

安裝

1.tesseract-orc

• Tesseract：開源的OCR識別引擎，初期Tesseract引擎由HP實(shí)驗(yàn)室研發(fā)，后來貢獻(xiàn)給了開源軟件業(yè)，后經(jīng)由Google進(jìn)行改進(jìn)，消除bug，優(yōu)化，重新發(fā)布。

安裝的時候需要自行選擇安裝的語言，一些其他國家的語言可以不選擇安裝，我之按安裝了中文，英文和日語。安裝過程和其他軟件一樣。

2.pytesseract

pip install pytesseract

配置環(huán)境

1.設(shè)置 tesseract-orc路徑

默認(rèn)情況下tesseract-orc是不被添加到系統(tǒng)的path路徑的，這樣在使用的時候發(fā)生FileNotFoundError: [WinError 2] 系統(tǒng)找不到指定的文件錯誤。

解決方法:

• 方法1：將 C:\Program Files (x86)\Tesseract-OCR添加到系統(tǒng)路徑（路徑因安裝過程而異）
• 方法2：修改pytesseract.py文件

設(shè)置訓(xùn)練集的位置

下載的默認(rèn)訓(xùn)練集也沒有添加到系統(tǒng)路徑,會報錯

pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\tessdata/chi_sim.traineddata')

解決方法：

設(shè)置環(huán)境變量 TESSDATA_PREFIX
C:\Program Files (x86)\Tesseract-OCR\tessdata

實(shí)例程序

import pytesseract
from PIL import Image
image = Image.open('test.png')
code = pytesseract.image_to_string(image)
print(code)

更多參考:https://pypi.python.org/pypi/pytesseract

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

最新評論