【Python】图像文字识别：从图片中识别出文字（Pytesseract安装配置与使用）

【Python】图像文字识别：从图片中识别出文字（Pytesseract）

1.Tesseract

将图片翻译成文字一般被称为光学文字识别（Optical Character Recognition，OCR）。可以实现OCR 的底层库并不多，目前很多库都是使用共同的几个底层OCR 库，或者是在上面进行定制。
  Tesseract 是一个OCR 库，目前由Google 赞助（Google 也是一家以OCR 和机器学习技术闻名于世的公司）Tesseract 是目前公认最优秀、最精确的开源OCR 系统。除了极高的精确度，Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体（只要这些字体的风格保持不变就可以），也可以识别出任何Unicode 字符。

2. 安装配置Pytesseract

在Python里你需要使用pytesseract，他是Tesseract关于Python的接口，可以使用pip install pytesseract安装。
但是可能会报错，因为你还需要下载Tesseract-OCR并为他配置环境变量。
Tesseract-OCR：
下载安装地址：可以百度直接搜就可以。
这里有我放在云盘里的安装包版本：

链接：https://pan.baidu.com/s/1li-Wi2SxkiPi_zRhJ_pPaA
提取码：695b

安装好之后配置环境变量就在path里加一下他的位置：

再创建一个新的环境变量TESSDATA_PREFIX：

现在就可以了，再在python的pytesseract文件夹下找到pytesseract.py，修改框位置改为下载好的tesseract-ocr文件夹下的tesseract.exe

现在可以正常使用pytesseract

3.使用与效果：

使用很简单，找张图片：imgurl是图片路径

import pytesseract
from PIL import Image
def Tesseract_ocr(imgurl):
        im = Image.open(imgurl)
        text=pytesseract.image_to_string(im, lang='chi_sim')
        print(text)

我发现中文效果不好：
原图：

识别结果:

英文可以改下lang识别，但我发现不改效果也比中文好，即使lang是简体中文：
原图：

识别结果：

下一篇记录一下调用百度API的，识别中文的效果真的巨好。。。。。
---------------2020/03/17—EchoZhang-------------------------