Tesseract-OCR图片文字识别

一、准备

 1、安装Tesseract-OCR

• 64位的安装包链接

tesseract-ocr-setup-4.00.00dev.exehttp://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe

• tesseract各种语言集合包 

tesseract各种语言集合包https://pan.baidu.com/s/1hQIJgUJe5MUTyimyLU_uQw

---

  二、环境变量的配置

下载好Tesseract-OCR文件后，找到tesseract.exe所在的文件路径，复制该文件所在的路径，并在环境变量中的用户变量和系统变量的Path中添加该路径。

 然后进入Tesseract-OCR的文件夹中找到tessdata文件夹并进入（此文件夹中包含的是各种语言包，提供识别功能）并复制此路径，然后在系统变量中点击新建，添加一个系统变量，变量名为TESSDATA_PREFIX，变量值为tessdata文件夹的路径。

检测环境变量是否安装成功 

打开cmd命令框并输入tesseract后回车，如果出现以下内容则表示环境变量安装成功

---

三、语言包的配置使用

下载好语言包并解压后点击进入文件，即可看见里面有很多语言包（chi_sim是中文识别包，equ是数学公式包，eng是英文包 ）

• 若想识别某一种语言，即可复制或移动到tesseract文件夹中 

---

四、CMD命令框中进行图片识别操作

• 首先进入所要识别图片所在的路径 

 

举例一：识别数字 

•  然后输入命令进行图片文字的识别

 命令（举例）：tesseract 2.png out_1 -1 eng

2.png：图片名称

out_1：识别后形成的文本文件名称

eng：识别的是数字或英文

 

•  运行结束后即可看到在图片的同路径下生成了一个out_1的文本文件，文件中的内容就是识别出的内容。

 

 举例二：识别文字

 命令（举例）：tesseract 1.png out_2 -l chi_sim

1.png：图片名称

out_2：识别后形成的文本文件名称

chi_sim：识别的是中文

 

 

---

5、pycharm中进行图片识别操作 

需要下载的模块： 

pip install PIL
pip install pytesseract

from PIL import Image
from pytesseract import pytesseract

a = pytesseract.image_to_string(Image.open('F:/识别/1.png'), lang='chi_sim')
print(a)