Python Opencv 之 使用 teesseract 进行简单的文字识别（包括中文）

目录

Python Opencv 之 使用 teesseract 进行简单的文字识别（包括中文）

一、简单介绍

二、pillow、pytesseract 的安装

1、pip install install 安装 pillow

2、pip install pytesseract 安装 pytesseract

三、下载安装需要 pytesseract 需要的 Tesseract-OCR 工具

特别注意：在使用 pytesseract 中，需要配置 Tesseract-OCR，不然使用不了，报错：TesseractNotFoundError

1、到官网下载 Tesseract-OCR 工具，选择自己对应的版本下载即可

2、往下拉找到 Install Tessract via pre-build binary package 进行下载

3、进入 tessdoc 官网，找到对应版本进行下载

4、往下拉，找到自己需要的版本（我这里是windows)

5、Windows 版本的 安装包 https://github.com/UB-Mannheim/tesseract/wiki

6、双击下载包进行安装即可

7、操作很简单，根据步骤操作即可

8、安装的时候，特别记住安装位置即可，后面可能用到

9、配置 tesseract.exe 路径到 pytesseract.py 中

四、代码实现

1、根据以上开始编写代码，打开 Pycharm，新建工程，如下图

2、新建脚本，编辑代码，大概的识别过程

3、准备好一张识别图，运行进行识别

五、关键代码

六、附录中文识别的方法：

1、下载识别中文训练包，可以从下面地址下载

2、把识别中文的训练好的包添加到安装的 Tesseract-OCR\tessdata 目录下

3、在 image_to_string(textImage, ) 添加

4、识别结果

一、简单介绍

Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。Python是一种解释型脚本语言，可以应用于以下领域： Web 和 Internet开发、科学计算和统计、人工智能、教育、桌面界面开发、软件开发、后端开发、网络爬虫。

本节介绍，通过使用 opencv 和 tesseract 进行简单的文字识别。

二、pillow、pytesseract 的安装

1、pip install install 安装 pillow

2、pip install pytesseract 安装 pytesseract

三、下载安装需要 pytesseract 需要的 Tesseract-OCR 工具

特别注意：在使用 pytesseract 中，需要配置 Tesseract-OCR，不然使用不了，报错：TesseractNotFoundError

pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it's not in your path

1、到官网下载 Tesseract-OCR 工具，选择自己对应的版本下载即可

https://github.com/tesseract-ocr/tesseract/

2、往下拉找到 Install Tessract via pre-build binary package 进行下载

3、进入 tessdoc 官网，找到对应版本进行下载

4、往下拉，找到自己需要的版本（我这里是windows)

5、Windows 版本的 安装包 https://github.com/UB-Mannheim/tesseract/wiki

6、双击下载包进行安装即可

7、操作很简单，根据步骤操作即可

8、安装的时候，特别记住安装位置即可，后面可能用到

9、配置 tesseract.exe 路径到 pytesseract.py 中

1）在 pytesseract 安装路径，找到 pytesseract.py 并打开 找到 "tesseract_cmd" 关键字

2）配置上刚才 tesseract.exe 的安装路径，如下图

四、代码实现

1、根据以上开始编写代码，打开 Pycharm，新建工程，如下图

2、新建脚本，编辑代码，大概的识别过程

步骤：1、灰度，二值化处理；2、形态学操作去噪；3、识别；

3、准备好一张识别图，运行进行识别

五、关键代码

import cv2 as cv
from PIL import Image
import pytesseract as tess


def recoginse_text(image):
    """
    步骤：
    1、灰度，二值化处理
    2、形态学操作去噪
    3、识别
    :param image:
    :return:
    """

    # 灰度 二值化
    gray = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    # 如果是白底黑字 建议 _INV
    ret,binary = cv.threshold(gray,0,255,cv.THRESH_BINARY_INV| cv.THRESH_OTSU)


    # 形态学操作 (根据需要设置参数（1，2）)
    kernel = cv.getStructuringElement(cv.MORPH_RECT,(1,2))  #去除横向细线
    morph1 = cv.morphologyEx(binary,cv.MORPH_OPEN,kernel)
    kernel = cv.getStructuringElement(cv.MORPH_RECT, (2, 1)) #去除纵向细线
    morph2 = cv.morphologyEx(morph1,cv.MORPH_OPEN,kernel)
    cv.imshow("Morph",morph2)

    # 黑底白字取非，变为白底黑字（便于pytesseract 识别）
    cv.bitwise_not(morph2,morph2)
    textImage = Image.fromarray(morph2)

    # 图片转文字
    text=tess.image_to_string(textImage)
    print("识别结果：%s"%text)


def main():

    # 读取需要识别的数字字母图片，并显示读到的原图
    src = cv.imread("RecogniseText_03.jpg")
    cv.imshow("src",src)

    # 识别
    recoginse_text(src)

    cv.waitKey(0)
    cv.destroyAllWindows()

if __name__=="__main__":
    main()


           

六、附录中文识别的方法：

1、下载识别中文训练包，可以从下面地址下载

百度网盘自取密码 v13f

2、把识别中文的训练好的包添加到安装的 Tesseract-OCR\tessdata 目录下

3、在 image_to_string(textImage, ) 添加

4、识别结果