tesseract_ocr+pytesseract图像识别

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

一、windows安装配置

其他系统安装配置参考github：https://github.com/tesseract-ocr/tesseract/wiki
下载tesseract-ocr参考：https://github.com/tesseract-ocr/tesseract/wiki/Downloads
下载chi_sim.traineddata参考：https://github.com/tesseract-ocr/tesseract/wiki/Data-Files

1、pip install pytesseract
2、pip install pillow
3、安装tesseract-ocr
4、找到pytesseract模块中pytesseract.py 更改 tesseract_cmd = r'F:\tesseract_ocr\tesseract-Win64\tesseract.exe'
5、添加环境变量（变量名：TESSDATA_PREFIX，变量值：F:\tesseract_ocr\tesseract-Win64,即安装目录）
6、如果识别中文，下载训练数据chi_sim.traineddata，并拷贝到 F:\tesseract_ocr\tesseract-Win64\tessdata目录下

ps:
临时在 cmd 中设置环境变量，测试：set TESSDATA_PREFIX=F:\tesseract_ocr\tesseract-Win64
命令行运行(以.txt文件格式保存)：tesseract.exe E:\python\project\mysite\media\tesseract.png C:\Users\konglingxi\Desktop\test -l chi_sim+equ+eng

二、例子

.py文件

#!/usr/bin/python# coding:utf-8from __future__ import unicode_literalsfrom django.conf import settingsimport pytesseractfrom PIL import Image as pillow_imagefrom django.shortcuts import render_to_responsefrom django.template import RequestContext__author__ = "klx"# Create your views here.def binaryzation(threshold, image_address): """ # 二值化,输入阈值和文件地址 :param threshold: :param image_address: :return: """ image = pillow_image.open(image_address) # 打开图片 image = image.convert('L') # 灰度化 table = [] for x in range(256): # 二值化 if x < threshold: table.append(0) else: table.append(1) image = image.point(table, '1') return imagedef main(): """ 测试 :return: """ # 指定配置目录 tessdata_dir_config = '--tessdata-dir "F:\\tesseract_ocr\\tesseract-Win64"' image_url = settings.MEDIA_ROOT + r"\tesseract.png" # image_url = settings.MEDIA_ROOT + r"\tesseract.jpg" image = binaryzation(200, image_url) image.show() # 展示二值化后的效果,防止图片二值化效果不佳变成一片白无法识别 result = pytesseract.image_to_string(image, config=tessdata_dir_config, lang="chi_sim+eng") # 变图片为字符串 return resultdef test(request): res = main() return render_to_response("ocr_app/test.html", {"data": res}, context_instance=RequestContext(request))

.html模板

<!DOCTYPE html><html lang="en"><head> <meta charset="UTF-8"> <title>tesseract_ocr</title></head><body>{{ data }}</body></html>