需求：識(shí)別圖片中的文字信息
環(huán)境：windows系統(tǒng)

開發(fā)語言：python

使用工具類：1.pyocr
　　　　　　2.PIL
　　　　　　3.tesseract-ocr

步驟：

1.pyocr

網(wǎng)絡(luò)通直接使用命令：
pip install?pyocr

網(wǎng)絡(luò)不通，轉(zhuǎn)至https://pypi.python.org/pypi/pyocr/0.4.1下載安裝

2.安裝pil
網(wǎng)絡(luò)通直接使用命令：
pip install PIL

網(wǎng)絡(luò)不通，轉(zhuǎn)至http://www.pythonware.com/products/pil/index.htm下載安裝

3.安裝tesseract-ocr

http://jaist.dl.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe

exe文件，下載后直接安裝，建議默認(rèn)安裝過程中的選項(xiàng)，安裝目錄默認(rèn)C:\Program Files (x86)\Tesseract-OCR，（嘗試安裝D盤后，在cmd中調(diào)用可以，但是在python中會(huì)出現(xiàn)找不到tesseract的配置目錄的問題，后續(xù)再研究）

?

代碼：

# coding=utf-8 __author__ = 'syq'#https://github.com/tesseract-ocr import sysreload(sys) sys.setdefaultencoding('utf-8')import os os.environ['NLS_LANG'] = 'SIMPLIFIED CHINESE_CHINA.UTF8' try:from pyocr import pyocrfrom PIL import Image except ImportError:print '模塊導(dǎo)入錯(cuò)誤,請(qǐng)使用pip安裝,pytesseract依賴以下庫(kù)：'print 'http://www.lfd.uci.edu/~gohlke/pythonlibs/#pil'print 'http://code.google.com/p/tesseract-ocr/'raise SystemExit tools = pyocr.get_available_tools()[:] if len(tools) == 0:print("No OCR tool found")sys.exit(1) print("Using '%s'" % (tools[0].get_name())) print tools[0].image_to_string(Image.open('D:\\123.png'),lang='eng') print tools[0].image_to_string(Image.open('D:\\3434.png'),lang='chi_sim') #print tools[0].image_to_string(Image.open('D:\\3535.png'),lang='chi_sim')

文件內(nèi)容：

123.png

3434.png

輸出：

Using 'Tesseract (sh)'
7364
求彰只另UoCR第 1代

?

可以看到，在使用英文字庫(kù)（eng）情況下，對(duì)數(shù)字識(shí)別挺準(zhǔn)確的，但是在使用中文簡(jiǎn)體字庫(kù)(chi_sim)情況下，對(duì)中文文字識(shí)別結(jié)果有點(diǎn)不盡人意。

?

在整個(gè)過程中可能會(huì)遇到的問題

1.如果控制臺(tái)直接輸出：“No OCR tool found”，說明未成功安裝tesseract-ocr，debug查看get_available_tools，在該方法中回去查看本機(jī)已經(jīng)安裝有的ocr識(shí)別庫(kù)，有三種，

libtesseract,
tesseract,
cuneiform,

?本文使用的是第二種tesseract，

tesseract具體安裝請(qǐng)轉(zhuǎn)至。

2.在識(shí)別帶中文的圖片，會(huì)遇到報(bào)“allow_blob_division”的錯(cuò)誤，

需要下載tesseract-ocr的中文庫(kù)，地址：https://codeload.github.com/tesseract-ocr/tessdata/zip/master，里面包含tesseract多有的文字庫(kù)，chi_sim.traineddata為簡(jiǎn)體中文庫(kù)，將該文件放至C:\Program Files (x86)\Tesseract-OCR\tessdata目錄下接下來的具體處理方法，轉(zhuǎn)至：http://www.cnblogs.com/syqlp/p/5460971.html

?

轉(zhuǎn)載于:https://www.cnblogs.com/syqlp/p/5462459.html

總結(jié)

以上是生活随笔為你收集整理的OCR识别-python版（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。