python tesseract-ocr 圖文識別
一，先進行Tesserocr安裝下載
1，先點擊進入下面的百度網盤
鏈接: https://pan.baidu.com/s/1G5vZO2B4Mxx5JaiQtfIqCw 提取碼: mp1u
打開百度網盤之后知道下面這兩個文件
tesserocr-2.4.0-cp37-cp37m-win_amd64.whl
tesseract-ocr-w64-setup-v5.0.0.20190623.exe
如果上面百度網盤打不開，可以嘗試打開下面的百度網盤：
鏈接：https://pan.baidu.com/s/1-a69qU0aFu8_IlYzy0QgMQ 提取碼：yd7i
鏈接：https://pan.baidu.com/s/1Tt9vRsbk7uX9VVTGb36OiA 提取碼：1yhh
2，待下載完畢之后運行tesseract-ocr-w64-setup-v5.0.0.20190623.exe文件，
我的是安裝在F:\Tesseract-OCR，一直next下去。
需要選擇的選項，看下圖。其中語言要選擇簡體中文，安裝時會下載語言包，可能等待一段時間。
安裝完成之后的目錄如下：
我的tesseract-ocr是安裝在F:\Tesseract-OCR，
下面開始最重要的步驟：
將F:\Tesseract-OCR里面的 tessdata 整個文件夾一起復制到python安裝目錄下面
把上面網盤下載的另一個文件(tesserocr-2.4.0-cp37-cp37m-win_amd64.whl)也復制到python安裝目錄下面
3，開始創建tesseract-ocr環境變量
將“F:\Tesseract-OCR”添加到環境變量中。如圖：
增加一個TESSDATA_PREFIX變量名，變量值還是我的安裝路徑F:\Tesseract-OCR\tessdata這是將語言字庫文件夾添加到變量中。
打開命令終端，輸入：tesseract -v，可以看到版本信息
用命令tesseract --list-langs來查看Tesseract-OCR支持語言。
二，用pip或者pycharm 安裝 tesseract 和 pytesseract
1，用pip安裝
其實只需安裝tesseract，默認pytesseract會隨着tesseract一起安裝的
執行pip install tesseract
如果pytesseract沒有自動安裝的話，可以再次主動安裝pytesseract
2，用pycharm安裝
最后pytesseract，tesseract，tesserocr 都安裝成功之之后，顯示如下：
三，在網上下載中文識別庫 chi_sim.traineddata
可以在官網下載https://github.com/tesseract-ocr/tessdata
如果官網下載很慢的話也可以在百度網盤下載 https://pan.baidu.com/s/1G5vZO2B4Mxx5JaiQtfIqCw 提取碼: mp1u
四，測試一下識別效果：
用下面三張圖片進行識別
代碼如下：
import pytesseract from PIL import Image import tesserocr im=Image.open('ying_shu.png') print(pytesseract.image_to_string(im)) im1=Image.open('ying_jianti.png') print(pytesseract.image_to_string(im1,lang='chi_sim')) im2=Image.open('fanti.png') print(pytesseract.image_to_string(im2,lang='chi_tra'))
識別結果如下：
可以看到識別結果存在一定的錯誤，這就是識別率的問題，后期再進行優化
