脚本宝典收集整理的这篇文章主要介绍了tesseract图片识别引擎,脚本宝典觉得挺不错的,现在分享给大家,也给大家做个参考。
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。对于图形验证码来说,它们都是一些不规则的字符,这些字符确实是由字符稍加扭曲变换得到的内容。
tesseract下载地址1:https://digi.bib.uni-mannheim.de/tesseract/
tesseract下载地址2: https://github.com/tesseract-ocr/tesseract
Tesseract默认是不支持中文的,语言下载地址:https://github.com/tesseract-ocr/tessdata
执行以下命令进行安装:
brew install --with-training-tools tesseract
执行以下命令进行安装:
sudo apt-get install tesseract-ocr
点击下载地址会进入到下载列表页:
其中文件名中带有dev的为开发版本,不带dev的为稳定版本,可以选择下载不带dev的版本,例如可以选择下载tesseract-ocr-setup-3.05.02.exe。
下载完成后双击如下图:
此时可以勾选Additional language data(download)选项来安装OCR识别支持的语言包,这样OCR便可以识别多国语言。然后一路点击Next按钮即可
为了在全局使用方便,比如安装路径为D:softwareTesseract-OCR
,将该路径添加到环境变量的path中。
配置完成后在命令行输入tesseract -v,如果出现如下图所示,说明环境变量配置成功
pip install Pillow
pip install pytesseract
tesseract imagename outputbase
imagename
: 第一个参数为图片名称outputbase
: 第二个参数result 为结果保存的目标文件名称然后还可以利用Python代码来测试,这里就需要借助于pytesseract库了,测试代码如下:
from PIL import Image
import pytesseract
text = pytesseract.image_to_string(Image.open(r'./test.png'))
print(text)
我们首先利用Image读取了图片文件,然后调用了pytesseract的image_to_string()方法,再将其识别结果输出。
执行报错解决方法:
报错信息如下图
找到安装的pytesseract.py
文件,修改一行代码:
# tesseract_cmd = 'tesseract'
tesseract_cmd = r'D:softwareTesseract-OCRtesseract'
修改后保存,再去运行python代码,就可以成功了。
以上是脚本宝典为你收集整理的tesseract图片识别引擎全部内容,希望文章能够帮你解决tesseract图片识别引擎所遇到的问题。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。