python实现图片文字识别

在 Python 中可以使用 pytesseract 库结合 Tesseract OCR 引擎来识别图片中的文字，以下是一个基本的示例代码，演示如何实现这个功能：

安装依赖

首先需要安装 pytesseract 库以及 Tesseract OCR 引擎（不同操作系统安装方式有所不同）：

• Windows 系统：
  • 安装 pytesseract：在命令行中运行 pip install pytesseract。
  • 安装 Tesseract OCR：从官网（https://github.com/UB-Mannheim/tesseract/wiki）下载对应的安装包进行安装，安装完成后，需要配置环境变量，将 Tesseract OCR 的安装路径添加到系统环境变量的 Path 变量中（例如安装路径为 C:\Program Files\Tesseract-OCR，则添加此路径）。
• Linux 系统（以 Ubuntu 为例）：
  • 安装 pytesseract：在命令行中运行 pip install pytesseract。
  • 安装 Tesseract OCR：在终端运行 sudo apt-get install tesseract-ocr。
• macOS 系统：
  • 安装 pytesseract：在命令行中运行 pip install pytesseract。
  • 安装 Tesseract OCR：可以使用 brew 工具安装，在终端运行 brew install tesseract。

Python 示例代码

以下是使用 pytesseract 识别图片文字的示例代码：

import pytesseract
from PIL import Image

# 打开图片文件（这里假设图片文件名为test_image.png，你可以替换成实际的文件名及路径）
image = Image.open('test_image.png')

# 使用pytesseract识别图片中的文字
text = pytesseract.image_to_string(image, lang='eng')  # lang参数指定识别的语言，这里是英语，可按需修改

print(text)

在上述代码中：

1. 首先通过 PIL（Python Imaging Library，这里使用的是 Pillow，它是 PIL 的一个分支，功能更强大且易于维护）库的 Image.open() 方法打开需要识别文字的图片文件（示例中文件名假设为 test_image.png，你可以根据实际情况替换成对应的文件名及路径）。
2. 然后调用 pytesseract 库的 image_to_string() 方法，将打开的图片对象传递进去，并通过 lang 参数指定识别文字所使用的语言（这里设置为 eng，表示英语，你可以根据图片中实际文字的语言来修改这个参数，例如 chi_sim 表示简体中文等），该方法会返回识别出来的文字内容，并最终将其打印输出。

提高识别准确率的方法

图片预处理

• 灰度化：如果图片是彩色的，可以先将其转换为灰度图，有时候能提高识别准确率。示例代码如下：

from PIL import Image, ImageOps

image = Image.open('test_image.png')
gray_image = ImageOps.grayscale(image)
text = pytesseract.image_to_string(gray_image, lang='eng')
print(text)

二值化：将图片转换为黑白两色，突出文字部分，去除一些背景干扰等，比如：

import pytesseract
import cv2
import numpy as np  # 导入numpy库
from PIL import Image

# 打开图片文件（这里假设图片文件名为test_image.png，你可以替换成实际的文件名及路径）
print('start')

image = Image.open('imgs/game_text.jpg')

image_cv = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2BGR)
_, binary_image = cv2.threshold(image_cv, 127, 255, cv2.THRESH_BINARY)
binary_image_pil = Image.fromarray(cv2.cvtColor(binary_image, cv2.COLOR_BGR2RGB))

# 使用pytesseract识别图片中的文字
text = pytesseract.image_to_string(image, lang='chi_sim+eng')  # lang参数指定识别的语言，可按需修改

print(text)

print('end')

上述代码使用了 opencv 库先将 PIL 图片转换为 opencv 格式，进行二值化处理后再转换回 PIL 格式用于文字识别。

• 选择合适的语言包和配置参数
  • 根据图片中的文字语言准确选择 Tesseract OCR 的语言包，像识别中文和英文混合的文字时，可以尝试使用 chi_sim+eng 这样的语言组合（在 pytesseract 调用时设置 lang='chi_sim+eng'）。
  • 还可以通过 pytesseract 的其他参数来调整识别效果，例如设置 config 参数来指定一些 Tesseract OCR 的配置选项，像 --psm（页面分割模式）等，示例如下：

text = pytesseract.image_to_string(image, lang='eng', config='--psm 6')

通过以上方法可以在一定程度上提高文字识别的准确率，但不同图片的情况各异，可能需要根据实际情况灵活调整和优化。