Tesseract介紹

tesseract是一個(gè)挺不錯(cuò)的OCR引擎，目前的問(wèn)題是最新的中文資料相對(duì)較少，過(guò)時(shí)、不準(zhǔn)確的信息偏多。

tesseract是一個(gè)google支持的開(kāi)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(dòng)態(tài)庫(kù)方式 libtesseract  2. 執(zhí)行程序方式 tesseract.exe

環(huán)境

安裝

1.tesseract-orc

安裝的時(shí)候需要自行選擇安裝的語(yǔ)言，一些其他國(guó)家的語(yǔ)言可以不選擇安裝，我之按安裝了中文，英文和日語(yǔ)。安裝過(guò)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(shí)候發(fā)生FileNotFoundError: [WinError 2] 系統(tǒng)找不到指定的文件錯(cuò)誤。

解決方法:

設(shè)置訓(xùn)練集的位置

下載的默認(rèn)訓(xùn)練集也沒(méi)有添加到系統(tǒng)路徑,會(huì)報(bào)錯(cuò)

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 pytesseractfrom PIL import Imageimage = 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?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)武林站長(zhǎng)站的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接