如何通过图解步骤安装Python 3的OCR库tesserocr？

本文共计880个文字，预计阅读时间需要4分钟。

OCR简介，即Optical Character Recognition，光学字符识别。它通过扫描识别字符，将其转换为电子文本。如二维码等不规则字符，都是通过OCR技术识别的。

OCR简介

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程，对应图形验证码来说，它们都是一些不规则的字符，这些字符是由字符稍加扭曲变换得到的内容，我们可以使用OCR技术来讲其转化为电子文本，然后将结果提取交给服务器，便可以达到自动识别验证码的过程。

window环境

环境材料准备

• Window10
• Python-3.7.3.tgz
• tesserocr安装包

安装tesserocr

1、打开链接，digi.bib.uni-mannheim.de/tesseract/，见下图。

下载最新版的tesseract-ocr-w64-setup-v5.0.0.20190623.exe，然后安装，本人直接安装在C盘目录下。安装完毕后，如下图。

配置环境变量，有两个步骤。

在系统变量里，修改path，如下图。

在系统变量里，创建一个新的变量名为:TESSDATA_PREFIX，值为:C:\Program Files\Tesseract-OCR\tessdata(根据自己安装的tesserocr安装路径为准)，如下图。

检查Tesseract-OCR是否安装完成，如下图。

Python3.7加载tesserocr

1、安装Python的OCR识别库

pip install Pillow
pip install pytesseract

2、python加载Window的tesserocr应用，要修改pytesseract三方库的pytesseract.py脚本。

打开pytesseract.py，将Window的tesserocr应用的tesserocr.exe绑定好。

3、到这里Python的绑定window的tesserocr应用已经完成。

读取验证码图片

from PIL import Image import pytesseract def read_text(text_path): """ 传入文本(jpg、png)的绝对路径,读取文本 :param text_path: :return: 文本内容 """ # 验证码图片转字符串 im = Image.open(text_path) # 转化为8bit的黑白图片 imgry = im.convert('L') # 二值化，采用阈值分割算法，threshold为分割点 threshold = 140 table = [] for j in range(256): if j < threshold: table.append(0) else: table.append(1) out = imgry.point(table, '1') # 识别文本 text = pytesseract.image_to_string(out, lang="eng", config='--psm 6') return text if __name__ == '__main__': print(read_text("d://v3.png"))

输出：

读取中文文本图片

1、因为OCR读取不同语言需要加载语言包，因此需要下载简体中文语言包。
从这个链接下载:github.com/tesseract-ocr/tessdata,下载红圈的简体中文包。然后将此文件放置window的安装目录下。如下两个图。

现在，我们来读取如下图片的中文文本内容。

代码如下:

from PIL import Image import pytesseract def read_text(text_path): """ 传入文本(jpg、png)的绝对路径,读取文本 :param text_path: :return: 文本内容 """ # 验证码图片转字符串 im = Image.open(text_path) # 转化为8bit的黑白图片 imgry = im.convert('L') # 二值化，采用阈值分割算法，threshold为分割点 threshold = 140 table = [] for j in range(256): if j < threshold: table.append(0) else: table.append(1) out = imgry.point(table, '1') # 识别文本，lang参数改为chi_sim，其他代码与上面的读取验证码代码一致。 text = pytesseract.image_to_string(out, lang="chi_sim", config='--psm 6') return text if __name__ == '__main__': print(read_text("d://v7.png"))

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持易盾网络。