Python3.6使用tesseract-ocr的正确方法

tesseract介绍

tesseract是一个挺不错的ocr引擎，目前的问题是最新的中文资料相对较少，过时、不准确的信息偏多。

tesseract是一个google支持的开源ocr项目，其项目地址：，目前最新的源码可以在这里下载。

实际使用tesseract ocr也有两种方式：1. 动态库方式 libtesseract  2. 执行程序方式 tesseract.exe

环境

• python 3.6.3
• pip 9.0.1
• tesseract-ocr-setup-3.05.00dev.exe
• windows10

安装

1.tesseract-orc

• tesseract：开源的ocr识别引擎，初期tesseract引擎由hp实验室研发，后来贡献给了开源软件业，后经由google进行改进，消除bug，优化，重新发布。

安装的时候需要自行选择安装的语言，一些其他国家的语言可以不选择安装，我之按安装了中文，英文和日语。安装过程和其他软件一样。

2.pytesseract

pip install pytesseract

配置环境

1.设置 tesseract-orc路径

默认情况下tesseract-orc是不被添加到系统的path路径的，这样在使用的时候发生filenotfounderror: [winerror 2] 系统找不到指定的文件错误。

解决方法:

• 方法1：将 c:\program files (x86)\tesseract-ocr添加到系统路径（路径因安装过程而异）
• 方法2：修改pytesseract.py文件

设置训练集的位置

下载的默认训练集也没有添加到系统路径,会报错

pytesseract.pytesseract.tesseracterror: (1, 'error opening data file \\program files (x86)\\tesseract-ocr\\tessdata/chi_sim.traineddata')

解决方法：

设置环境变量 tessdata_prefix
c:\program files (x86)\tesseract-ocr\tessdata

实例程序

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

更多参考:https://pypi.python.org/pypi/pytesseract

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。如果你想了解更多相关内容请查看下面相关链接