ubuntu 安裝 pytesseract 模塊進行圖片內容識別

主要是實現圖片內容的離線識別，python 提供了一個庫完成此功能。

一. 安裝  tesseract-ocr 包

sudo apt-get install tesseract-ocr

二. 安裝 PIL PIL(python imaging library)是python中的圖像處理庫

 sudo apt-get install python-imaging

三.  安裝 pytesseract

pip install pytesseract

四.代碼測試

# -*- coding: UTF-8 -*-
from PIL import Image
import pytesseract
# 識別中文
text = pytesseract.image_to_string(Image.open('chinese.png'),lang='chi_sim')
print text

# 識別英文
text = pytesseract.image_to_string(Image.open('english.png'))
print text

五.要想識別的中文需要添加中文字庫

需要在ubuntu  系統中 找到 tessdata  文件夾把中文字庫放進去

也可以在線安裝中文字庫

sudo apt-get install tesseract-ocr-chi-sim

六.此模塊還支持 命令行識別

使用命令：
識別英文：
tesseract e.png 1   #1 是存儲獲取內容的文件，會在本地生成一個1文件
識別中文
tesseract --help  # 查看幫助
tesseract --list -langs  # 查看是否安裝了中文庫chi_sim
tesseract -l chi_sim c.png 1 # 1也是結果的文件把識別的結果存到此文件中

還可以離線安裝源碼編譯安裝 參考的教程

https://www.cnblogs.com/yanhai307/p/10791490.html