pytesseract+Tesseract-OCR图片文字识别
Posted liujinxin123
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了pytesseract+Tesseract-OCR图片文字识别相关的知识,希望对你有一定的参考价值。
要识别的图片:
代码:
from PIL import Image import pytesseract text=pytesseract.image_to_string(Image.open(‘denggao.jpeg‘),lang=‘chi_sim‘) print(text)
效果截图:
主要步骤:
1.需要两个库:pytesseract和PIL
(1)可以通过命令行安装
pip install PIL
pip install pytesseract
(2)如果你用的pycharm编辑器,就可以直接借助pycharm实现快速安装。
在pycharm的Settings设置页按照下面步骤操作 :
可以通过同样的步骤安装PIL
2.安装识别引擎tesseract-ocr
https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v5.0.0-alpha.20200223.exe
如有需求
附上各版本下载地址
https://github.com/UB-Mannheim/tesseract/wiki
3.识别中文,单独安装上识别引擎是无法识别中文的,需要另外下载一些东西
https://github.com/tesseract-ocr/tessdata
将里面的 chi_sim.traineddata、chi_sim_vert.traineddata、chi_tra.traineddata和chi_tra_vert.traineddata文件放入tesseract-ocr的tessdata目录下
4.修改pytesseract.py
到你的Python的Libsite-packagespytesseract中找到pytesseract.py并修改其中的tesseract_cmd
修改为:
tesseract_cmd = ‘D:/Tesseract-OCR/tesseract.exe‘
之后就可以运行了。
配置过程中遇到的错误:
1.没有安装识别引擎会报这个错误:
2.识别引擎版本不对会报:
pytesseract.pytesseract.TesseractError: (1, "Error, unknown command line argument ‘-psm‘")
以上是关于pytesseract+Tesseract-OCR图片文字识别的主要内容,如果未能解决你的问题,请参考以下文章
pytesseract+Tesseract-OCR图片文字识别
使用Pytesseract+Tesseract-OCR识别图片的简单步骤
Python+pytesseract+Tesseract-OCR图片文字识别(只适合新手)