python開發(fā)中怎么使用pytesseract實(shí)現(xiàn)文字識(shí)別

本篇內(nèi)容介紹了“python開發(fā)中怎么使用pytesseract實(shí)現(xiàn)文字識(shí)別”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

pytesseract是一款開源的圖片文字識(shí)別庫，能識(shí)別中文、英文等不少類型的語言，使用之前需要安裝tesseract-ocr引擎，此引擎在windows、linux、macos上都能進(jìn)行安裝，(OCR,Optical Character Recognition，光學(xué)字符識(shí)別)，安裝完成后，對(duì)應(yīng)安裝pytesseract庫，就能做簡(jiǎn)單的文字識(shí)別了，自帶的文字類庫，識(shí)別有時(shí)不準(zhǔn)確，但是可以自己訓(xùn)練識(shí)別庫。

“Tesseract的OCR引擎最先由HP實(shí)驗(yàn)室于1985年開始研發(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。然而，HP不久便決定放棄OCR業(yè)務(wù)，Tesseract也從此塵封。

數(shù)年以后，HP意識(shí)到，與其將Tesseract束之高閣，不如貢獻(xiàn)給開源軟件業(yè)，讓其重?zé)ㄐ律?005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 ?！?/p>

下邊列舉一下，如何在Centos7系統(tǒng)的環(huán)境下，搭建一個(gè)python的tesseract-ocr環(huán)境，并使用python進(jìn)行簡(jiǎn)單的圖片識(shí)別。

安裝Tesseract-ocr，在github上有安裝的網(wǎng)址，https://github.com/tesseract-ocr/tesseract/wiki，在Centos7上，使用最簡(jiǎn)單的yum進(jìn)行安裝，這種方式，需要保持互聯(lián)網(wǎng)的連接，但是也不用編譯源代碼進(jìn)行安裝了。

//更新配置，添加tesseract的地址
yum-config-manager --add-repo https://download.opensuse.org/repositories/home:/Alexander_Pozdnyakov/CentOS_7/
sudo rpm --import https://build.opensuse.org/projects/home:Alexander_Pozdnyakov/public_key
//更新yum
yum update
//安裝tesseract
yum install tesseract 
//安裝簡(jiǎn)體中文語言包
yum install tesseract-langpack-chi_sim

安裝完引擎后，安裝python的開發(fā)包，使用pip進(jìn)行安裝，安裝命令是：

pip install pytesseract

簡(jiǎn)單的圖片識(shí)別代碼：

import pytesseract
from PIL import Image
#打開圖片
image = Image.open('圖片路徑')
#將圖片中的文字轉(zhuǎn)換字符串
code = pytesseract.image_to_string(image, lang='chi_sim')
#輸出字符串
print(code)

“python開發(fā)中怎么使用pytesseract實(shí)現(xiàn)文字識(shí)別”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！