Python 中文OCR

Myth丶恋晨 2022-06-08 13:27 130阅读 0赞

有个需求，需要从一张图片中识别出中文，通过python来实现，这种这么高大上的黑科技我们普通人自然搞不了，去github找了一个似乎能满足需求的开源库-[tesseract-ocr][]：

> Tesseract的OCR引擎目前已作为开源项目发布在Google Project，其项目主页在这里查看[https://github.com/tesseract-ocr][tesseract-ocr]，  
> 它支持中文OCR，并提供了一个命令行工具。python中对应的包是pytesseract. 通过这个工具我们可以识别图片上的文字。

笔者的开发环境如下：

*  macosx
 *  python 3.6
 *  brew

**安装tesseract**

brew install tesseract

**安装python对应的包：pytesseract**

pip install pytesseract

![这里写图片描述][SouthEast]

**怎么用？**

如果要识别中文需要下载对应的训练集：[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]  
，下载”chi\_sim.traineddata”，然后copy到训练数据集的存放路径，如：

![这里写图片描述][SouthEast 1]

![这里写图片描述][SouthEast 2]

具体代码就几行:

#!/usr/bin/env python3
    # -*- coding: utf-8 -*-
    
    import pytesseract
    from PIL import Image
    
    # open image
    image = Image.open('test.png')
    code = pytesseract.image_to_string(image, lang='chi_sim')
    print(code)

OCR速度比较慢，大家可以拿一张包含中文的图片试验一下。

[tesseract-ocr]: https://github.com/tesseract-ocr
[SouthEast]: /images/20220608/cf8461f3e96e474f887850deaf324999.png
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[SouthEast 1]: /images/20220608/0f9388698cdd4fc0bd9402afcbf70333.png
[SouthEast 2]: /images/20220608/0a38866f6ec04749a74a0370af4605fc.png

发表评论取消回复

表情：

评论列表（有 0 条评论，130人围观）

还没有评论，来说两句吧...

相关阅读

相关 pytesseract中文OCR

import pytesseract from PIL import Image tesseract.exe所在的文件路径 pyte

拼搏现实的明天。/ 2023年10月02日 12:09/ 0 赞/ 11 阅读

相关 Recogniform OCR SDK 轻松识别中文

Recogniform OCR SDK 轻松识别中文什么是Recogniform OCR？能力：我们的OCR Omnifont引擎与字体类型和大小无关，可以理解和

柔光的暖阳◎/ 2023年01月10日 13:16/ 0 赞/ 93 阅读

相关 IronOCR V2020.12.2 Crack理想的中文OCR

＃从图像中读取文本和条形码。.NET中的OCR PDF ＃ OCR支持多种国际语言，＃输出为纯文本字符串或结构化数据,企鹅:578867473 ![watermark_t

àì夳堔傛蜴生んèń/ 2023年01月05日 15:29/ 0 赞/ 96 阅读

相关 python opencv ocr_OpenCV-Python教程:53.使用SVM进行手写数据的OCR

import cv2 import numpy as np SZ=20 bin\_n = 16 \ Number of bins svm\_params = dict(

红太狼/ 2022年10月22日 11:49/ 0 赞/ 139 阅读

相关 Python3 OCR技术（pytesser3）

-------------------- PIL安装：pip install Pillow pytesser3下载地址： [https://github.com/so

r囧r小猫/ 2022年09月30日 13:46/ 0 赞/ 159 阅读

相关使用modi方案实现中文ocr识别

前提： 1 创建MFC工程 2 在工程中添加微软的OCR处理模块，具体流程如下： 1）打开project 2）选择add to project 3）选择compon

r囧r小猫/ 2022年08月21日 10:00/ 0 赞/ 195 阅读

相关 Python 中文OCR

有个需求，需要从一张图片中识别出中文，通过python来实现，这种这么高大上的黑科技我们普通人自然搞不了，去github找了一个似乎能满足需求的开源库-[tesseract-o

Myth丶恋晨/ 2022年06月08日 13:27/ 0 赞/ 131 阅读

相关 Python 中文OCR

有个需求，需要从一张图片中识别出中文，通过python来实现，这种这么高大上的黑科技我们普通人自然搞不了，去github找了一个似乎能满足需求的开源库-[tesseract-o

落日映苍穹つ/ 2022年03月18日 07:42/ 0 赞/ 165 阅读

相关 tesseract-ocr识别中文扫描图片实例讲解

[tesseract-ocr识别中文扫描图片实例讲解][tesseract-ocr]\[转至： [http://www.blogjava.net/wangxinsh55/arc

我不是女神ヾ/ 2021年11月01日 21:56/ 0 赞/ 406 阅读

相关 python Tesseract-OCR

OCR技术 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）检查纸上打印的字符，通过检测暗，亮的模式确定

女爷i/ 2021年10月26日 20:20/ 0 赞/ 217 阅读