• 二、安裝識別引擎tesseract-ocr

 

---

 一、安裝pytesseract和PIL

　　　PIL全稱：Python Imaging Library，python圖像處理庫，這個庫支持多種文件格式，並提供了強大的圖像處理和圖形處理能力。

　　　由於PIL僅支持到Python 2.7，所以在PIL的基礎上創建了Pillow庫，支持最新Python 3.x。

 

　　1、pip命令安裝

　　　　pip install pytesseract 

　　　　pip install Pillow

　　2、使用pycharm編輯器安裝，如下操作步驟。 

 

　　安裝成功：

　　安裝pytesseract時，同時安裝pillow，所以我們只需安裝pytesseract即可。

  　　3.嘗試運行，

源碼如下： 

1 from PIL import Image
2 import pytesseract
3 
4 Image = Image.open('1.png')   # 打開圖片
5 text = pytesseract.image_to_string(Image,lang='chi_sim')  #使用簡體中文解析圖片
6 print(text)

　　　出現報錯，如下圖，

　　　原因：沒有安裝識別引擎tesseract-ocr 

點擊返回目錄

二、安裝識別引擎tesseract-ocr

　　1.Tesseract是開源的OCR引擎。Tesseract最初設計用於英文識別，經過改進引擎和訓練系統，它能夠處理其它語言和UTF-8字符。Tesseract 3.0能夠處理任何Unicode字符，但並非在所有語言上都工作得很好。Tesseract在龐大字符集語言（比如中文）上較慢，但是工作良好。

　　下載鏈接: https://pan.baidu.com/s/1J0HNoVhX8WexS_5r0k2jDw 密碼: ywc3

 

 　　因為tesseract-ocr默認不支持中文識別。 

　　 將下載到的文件：chi_sim.traineddata 放到Tesseract-OCR安裝目錄 D:\Program Files (x86)\Tesseract-OCR\tessdata 下，如圖：

 　　2，安裝完成tesseract-ocr后，需要做一下配置 。

　　　　在Python安裝目錄（如：D:\Python35\Lib\site-packages\pytesseract） 中修改 pytesseract.py文件。

 

　　　　也可以通過pycharm，Ctrl+B 快速打開pytesseract源碼文件：

 

 　　3.嘗試運行，出現如下報錯：

　　pytesseract.pytesseract.TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\chi_sim.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your 　　"tessdata" directory. Failed loading language \'chi_sim\' Tesseract couldn\'t load any languages! Could not initialize tesseract.') 

 　　4.解決方法：將tessdata目錄的上級目錄所在路徑：(默認為tesseract-ocr安裝目錄)添加至TESSDATA_PREFIX環境變量中，如下圖：

　　　　注意：配置完環境變量需要重新打開pycharm編輯器（IDE）。

　　5.再次運行結果：圖片識別成功！

　　但識別率不是很高，后期優化，持續更新。