记录初次使用tesseract的过程

简介

这个谷歌的识别项目早就听说了，使用之后发现，真的很厉害。写下初次简单使用的过程吧。

安装tesseract

谷歌的开源识别项目

我下了这两个，chi是扩展的识别中文需要，只安装.exe即可，然后配置环境变量

• chi_sim.traineddata
• tesseract-ocr-w64-setup-v4.1.0.20190314.exe

安装成功

C:\Users\27569>tesseract

Usage:

  tesseract --help | --help-extra | --version

  tesseract --list-langs

  tesseract imagename outputbase [options...] [configfile...]

OCR options:

  -l LANG[+LANG]        Specify language(s) used for OCR.

NOTE: These options must occur before any configfile.

Single options:

  --help                Show this help message.

  --help-extra          Show extra help for advanced users.

  --version             Show version information.

  --list-langs          List available languages for tesseract engine.

python应用识别图片

使用python调用测试，windows下，我记得我程序第一次是不通的，后来改了tesseract文件的源码的某个路径才成功运行的

requirment.txt

pillow

pytesseract

run.py

import io

import re

import pytesseract

from PIL import Image

class Ocr:

    def __init__(self):

        self.day_re = re.compile('(\d{4}-\d{2}-\d{2})')

        self.daytime_re1 = re.compile('(\d{2}:\d{2})')

        self.daytime_re2 = re.compile('(\d{2}:\d{2}-\d{2}:\d{2})')

    def prepare_img(self, img):

        """图片预处理，提高识别率"""

        img = img.convert('L')

        threshold = 200  # 根据情况来定，127

        table = []

        for i in range(256):

            if i < threshold:

                table.append(0)

            else:

                table.append(1)

        return img.point(table, '1')

    def ocr(self, img):

        """识别"""

        img = self.prepare_img(img)

        return pytesseract.image_to_string(img, lang='eng', config='psm 7')  # lang: eng 英文, chi_sim 中文(需要训练库)

if __name__ == '__main__':

    c = Ocr()

    with open('0.jpg', 'rb') as f:

        image_binary = f.read()

    byte_arr = io.BytesIO(image_binary)

    # Image.open() 打开图片的第一种方式

    img = Image.open(byte_arr)

    print(c.ocr(img))

    # Image.open() 打开图片的第二种方式

    img = Image.open('0.jpg')

    print(c.ocr(img))