Tesseract 教程

介绍

Tesseract 是一个 OCR 库,目前由 Google 赞助(Google 也是一家以 OCR 和机器学习技术闻名于世的公司)。Tesseract 是目前公认最优秀、最精确的开源 OCR 系统，除了极高的精确度，Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体，也可以识别出任何 Unicode 字符。

安装

Window 安装

下载可执行安装文件：https://code.google.com/p/tesseract-ocr/downloads/list 安装。

Ubuntu 安装

sudo apt-get install tesseract-ocr

Mac 安装

brew install tesseract

安装 python 库

pip install pytesseract

环境配置

Mac 和 Linux 环境配置

添加环境变量

# /usr/local/share/Tesseract 为语言训练库路径， 可以编辑 ~/.bash_file export TESSDATA_PREFIX=/usr/local/share/Tesseract

Window 环境变量配置

添加环境变量

# C:\Program Files\Tesseract OCR\Tesseract 为语言训练库路径 setx TESSDATA_PREFIX C:\Program Files\Tesseract OCR\Tesseract

使用

命令行终端使用

显示帮助

tesseract --help

显示当前训练语言列表

tesseract --list-langs

识别

tesseract 图片 输出路径 -l 训练库名称

python 代码中使用

# 导入模块 import pytesseract # 导入图片库 【注意】需要安装库: pip install Pillow # 导入库 from PIL import Image # 创建图片对象 image = Image.open("图片路径") # 识别图片 pytesseract.image_to_string(numImage, config="-psm 7"))