Tesseract Ocr文字识别
Tesseract的OCR引擎最先由HP實(shí)驗(yàn)室于1985年開(kāi)始研發(fā),至1995年時(shí)已經(jīng)成為OCR業(yè)內(nèi)最準(zhǔn)確的三款識(shí)別引擎之一。2005年,Tesseract由美國(guó)內(nèi)華達(dá)州信息技術(shù)研究所獲得,并求諸于Google對(duì)Tesseract進(jìn)行改進(jìn)、消除Bug、優(yōu)化工作。Tesseract目前已作為開(kāi)源項(xiàng)目發(fā)布在Google Project.
運(yùn)行環(huán)境:
windows10 + python 3.6 + tesseract 4.0.0-beta.1
先看效果:?
一、安裝python模塊
pip3 install pytesseract
二、安裝tesseract orc
下載地址:https://github.com/UB-Mannheim/tesseract/wiki?點(diǎn)擊“tesseract-ocr-w64-setup-v4.0.0-beta.1.20180414.exe”下載安裝。
注意:安裝的時(shí)候選中中文包。
本人安裝目錄:C:\Users\Administrator\AppData\Local\Tesseract-OCR
使用命令,查看版本號(hào)和支持語(yǔ)言:
cd C:\Users\Administrator\AppData\Local\Tesseract-OCR tesseract -v tesseract --list-langs #查看Tesseract-OCR支持語(yǔ)言
三、配置tesseract運(yùn)行文件
C:\Python36\Lib\site-packages\pytesseract\pytesseract.py 找到文件:
tesseract_cmd = 'tesseract'
修改為:
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
四、代碼識(shí)別
from PIL import Image import pytesseractpath = "img\\text-img.png"text = pytesseract.image_to_string(Image.open(path), lang='chi_sim') print(text)作為非常優(yōu)秀的Ocr識(shí)別庫(kù),tesseract當(dāng)然可以訓(xùn)練自己的數(shù)據(jù)模型,從而達(dá)到為我所用目的,后續(xù)文字會(huì)介紹如果訓(xùn)練自己的文字識(shí)別庫(kù)。
?
總結(jié)
以上是生活随笔為你收集整理的Tesseract Ocr文字识别的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: 一文汇总 JDK 5 到 JDK 15
- 下一篇: ashx中Response.Conten