Python图像处理之图片文字识别（OCR）

W4n9Hu1 发布于2019-07-30 16:48 / 3545人阅读

摘要：与介绍将图片翻译成文字一般被称为光学文字识别，。是目前公认最优秀最精确的开源系统。我们以图片为例输入命令识别结果如下只识别错了一个字，识别率还是不错的。最后加一句，对于彩色图片的识别效果没有黑白图片的效果好。

OCR与Tesseract介绍

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。

Tesseract的安装与使用

Tesseract的Windows安装包下载地址为： http://digi.bib.uni-mannheim.... ，下载后双击直接安装即可。安装完后，需要将Tesseract添加到系统变量中。在CMD中输入tesseract -v, 如显示以下界面，则表示Tesseract安装完成且添加到系统变量中。

Linux 用户可以通过apt-get 安装：

$sudo apt-get tesseract-ocr

用Tesseract可以识别格式规范的文字，主要具有以下特点：

• 使用一个标准字体（不包含手写体、草书，或者十分“花哨的”字体）
• 虽然被复印或拍照，字体还是很清晰，没有多余的痕迹或污点
• 排列整齐，没有歪歪斜斜的字
• 没有超出图片范围，也没有残缺不全，或紧紧贴在图片的边缘
下面将给出几个tesseract识别图片中文字的例子。
首先是E://figures/other/poems.jpg, 输入命令 tesseract E://figures/other/poems.jpg E://figures/other/poems.txt，则会将poems.jpg中的识别文字写入到poems.txt中，如下图：

接着是稍微有点倾斜的文字图片th.jpg,识别情况如下：

可以看到识别的情况不如刚才规范字体的好，但是也能识别图片中的大部分字母。
最后是识别简体中文，需要事先安装简体中文语言包，下载地址为：https://github.com/tesseract-... ,再讲chi_sim.traineddata放在C:Program Files (x86)Tesseract-OCRtessdata目录下。我们以图片timg.jpg为例：

输入命令：

tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim

识别结果如下：

只识别错了一个字，识别率还是不错的。
最后加一句，Tesseract对于彩色图片的识别效果没有黑白图片的效果好。

pytesseract

pytesseract是Tesseract关于Python的接口，可以使用pip install pytesseract安装。安装完后，就可以使用Python调用Tesseract了，不过，你还需要一个Python的图片处理模块，可以安装pillow.
输入以下代码，可以实现同上述Tesseract命令一样的效果：

import pytesseract
from PIL import Image

pytesseract.pytesseract.tesseract_cmd = "C://Program Files (x86)/Tesseract-OCR/tesseract.exe"
text = pytesseract.image_to_string(Image.open("E://figures/other/poems.jpg"))

print(text)

运行结果如下：

参考文献

Python网络数据采集【美】 Ryan Mitchell 人民邮电出版社

https://blog.csdn.net/dcrmg/a...

http://www.inimei.cn/archives...

注意：本人现已开通微信公众号：Python爬虫与算法（微信号为：easy_web_scrape），欢迎大家关注哦~~

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/41838.html

识别图片中的文字 - Tesseract 和百度云OCR的对比

摘要：一个简单的图片转文字的函数实现如下。百度云这是偶然的发现，百度云提供了一定额度的免费的，目前是每日次，做做研究或者小应用还勉强够用，本文主要为了测试其效果。论中文，还是百度比谷歌更懂一点。当今时代人工智能都已经是烂大街的词了，OCR应该也很多人都知道。 OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印...

mushang 2019-07-30 15:26 评论0 收藏0
Python图像处理之图片验证码识别

摘要：在上一篇博客图像处理之图片文字识别中我们介绍了在中如何利用软件来识别图片中的英文与中文，本文将具体介绍如何在中利用软件来识别验证码数字加字母。在上一篇博客Python图像处理之图片文字识别（OCR）中我们介绍了在Python中如何利用Tesseract软件来识别图片中的英文与中文，本文将具体介绍如何在Python中利用Tesseract软件来识别验证码（数字加字母）。我们在网...

kk_miles 2019-07-30 16:48 评论0 收藏0
如何识别图片文字，PaddleOCR机器学习开源项目使用 | 机器学习

摘要：我们的生活中，机器学习已经越来越多的扮演着重要角色，也不再是神秘的东西。本文主要是介绍一个博主使用的比较好的开源项目，在这里分享给大家。项目使用先把项目从上下来，慢慢分析。显示结果部分会将识别的文字用框标出来，并且展示识别的结果。目录前言项目使用项目结构环境部署测试代码参数补...

WelliJhon 2021-11-16 11:45 评论0 收藏0