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、不準確的信息偏多。

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

實際使用tesseract ocr也有兩種方式：1. 動態庫方式 libtesseract  2. 執行程序方式 tesseract.exe

環境

• 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實驗室研發，后來貢獻給了開源軟件業，后經由Google進行改進，消除bug，優化，重新發布。

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

配置環境

1.設置 tesseract-orc路徑

默認情況下tesseract-orc是不被添加到系統的path路徑的，這樣在使用的時候發生FileNotFoundError: [WinError 2] 系統找不到指定的文件錯誤。

解決方法:

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

設置訓練集的位置

下載的默認訓練集也沒有添加到系統路徑,會報錯

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

解決方法：

設置環境變量 TESSDATA_PREFIX 
C:/Program Files (x86)/Tesseract-OCR/tessdata

實例程序

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

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對VEVB武林網的支持。