Python的OCR图像识别简单版

佚名 6年前 (2019-05-09) 随笔 928人围观抢沙发百度已收录

1.安装pytesseract库

pytesseract是Tesseract关于Python的接口，在cmd中可以直接使用pip install pytesseract安装

2.用电脑下载安装tesseract

下载地址 http://digi.bib.unimannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe
一直点确定后完成安装，并配置环境变量

SRE实战互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

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

3.下载tesseract的简体中文语言包

下载地址为：https://github.com/tesseract-ocr/tessdata/find/master/chi_sim.traineddata ,再将chi_sim.traineddata放在C:\Program Files (x86)\Tesseract-OCR\tessdata目录下。

做好准备工作就可以实现OCR文字识别

import cv2
import pytesseract
from PIL import Image

img = Image.open('0.jpg')
pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'
text = pytesseract.image_to_string(img,lang='chi_sim')
print(text)

0.jpg 如下：

运行结果如下：

利用Ocr 能不能识别简单的验证码

为了更好的处理图片，可以将图片转为灰度图片，再去掉黑点，进行二值化降噪，
代码如下：

import cv2
import pytesseract
from PIL import Image, ImageEnhance, ImageFilter

# 旧版本识别
img = Image.open('6.png')
pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'
text = pytesseract.image_to_string(img, lang='chi_sim')
print(text)
print("=" * 120)

# 新版本识别

img_gray = img.convert('L')  # 将图片变成灰色
img_gray.save('ode_gray.png')

img_black_white = img_gray.point(lambda x: 0 if x > 200 else 255)  # 转成黑白图片
pic1 = 'code_black_white.png'
img_black_white.save(pic1)

# 要去掉黑点，就是一个二值化降噪的过程。可以用PIL（Python Image Library）
im = Image.open(pic1)
im = im.filter(ImageFilter.MedianFilter())
enhancer = ImageEnhance.Contrast(im)
im = enhancer.enhance(2)
im = im.convert('1')
im.save('jiangzao.png')
im.show()  # 图片弹框展示出来

# text = pytesseract.image_to_string(Image.open('jiangzao.png'),lang='chi_sim')##,lang='eng 数字

text = pytesseract.image_to_string(im, lang='chi_sim')
print(text)