python中安装配置Pytesser3

Pytesser3字符识别

前言

这里使用python3.6

Pytesser3是一个可以在python内部使用Tesseract-Ocr的库.

Tesseract-Ocr是一个开源的字符识别引擎(engine), 可以供我们使用来识别一些简单的图形验证码.

安装与使用

windows配置Pytesser3

url: https://download.youkuaiyun.com/download/one_of_them/10640272 (我也不知道该怎么免费…)

安装pytesser3: pip install pytrsser3

安装速度慢查看: https://blog.youkuaiyun.com/One_of_them/article/details/81456255 (= .= )

配置:

将pytesser3包下的__init__文件内的tesseract_exe_name的值设置为tesseract.exe的路径.
eg: ./tesseract.exe

---

linux配置Pytesser3

安装tesseract:

sudo apt-get install tesseract-ocr
sudo apt-get install libtesseract-dev

安装pytesser3: pip3 install pytrsser3

配置:

将pytesser3包下的__init__文件内的tesseract_exe_name的值设置为tesseract.exe的路径.
eg: ./tesseract.exe

---

使用Pytesser3

windows

需识别的图片(默认识别字母类型):

from PIL import Image
import pytesser3


im1 = Image.open('a.png')
im1.show()
im2 = im1.convert('L')  # 将图片模式转为灰度图像, 灰度处理.
im2.show()
pixelData = im2.load()  # 加载图片数据.
w, h = im2.size

# 二值化: 判断一个像素点的值, 要么设置为白色, 设置为黑色.
for x in range(w):
    for y in range(h):
        if pixelData[x, y] < 125:     # 255为白色, 0为黑色. pixel小于某个值就转为黑色.
            pixelData[x, y] = 0
        else:
            pixelData[x, y] = 255   # 否则白色.

# 降噪: 去除图片多余的杂乱黑点, 即对每个像素点进行判断, 判断其周围像素是否与自己相同, 然后处理.
for x in range(1, w - 1):
    for y in range(1, h - 1):
        count = 0
        if pixelData[x - 1, y] == 255:
            count += 1
        if pixelData[x + 1, y] == 255:
            count += 1
        if pixelData[x, y - 1] == 255:
            count += 1
        if pixelData[x, y + 1] == 255:
            count += 1
        if count > 3:
            pixelData[x, y] = 255
im2.show()
result = pytesser3.image_to_string(im2)
print(result)

im2.close()
im1.close()

结果:

AHCa

Process finished with exit code 0

---