OCR與Tesseract介紹
將圖片翻譯成文字一般被稱為光學文字識別(Optical Character Recognition,
OCR
)。可以實現OCR 的底層庫并不多,目前很多庫都是使用共同的幾個底層OCR 庫,或者是在上面進行定制。
Tesseract 是一個OCR 庫,目前由Google 贊助(Google 也是一家以OCR 和機器學習技術聞名于世的公司)。Tesseract 是目前公認最優秀、最精確的開源OCR 系統。
除
了極高的精確度,Tesseract 也具有很高的靈活性。它可以通過訓練識別出任何字體(只要這些字體的風格保持不變就可以),也可以識別出任何Unicode 字符。
Tesseract的安裝與使用
Tesseract的Windows安裝包下載地址為: http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe ?,下載后雙擊直接安裝即可。安裝完后,需要將Tesseract添加到系統變量中。在CMD中輸入tesseract -v, 如顯示以下界面,則表示Tesseract安裝完成且添加到系統變量中。
Linux 用戶可以通過apt-get 安裝:
$sudo apt-get tesseract-ocr
用Tesseract可以識別格式規范的文字,主要具有以下特點:
? 使用一個標準字體(不包含手寫體、草書,或者十分“花哨的”字體)
? 雖然被復印或拍照,字體還是很清晰,沒有多余的痕跡或污點
? 排列整齊,沒有歪歪斜斜的字
? 沒有超出圖片范圍,也沒有殘缺不全,或緊緊貼在圖片的邊緣
下面將給出幾個tesseract識別圖片中文字的例子。
首先是
E://figures/other/poems.jpg
, 輸入命令
tesseract E://figures/other/poems.jpg E://figures/other/poems.txt
, 則會將poems.jpg中的識別文字寫入到poems.txt中,如下圖:
接著是稍微有點傾斜的文字圖片th.jpg,識別情況如下:
可以看到識別的情況不如剛才規范字體的好,但是也能識別圖片中的大部分字母。
最后是識別簡體中文,需要事先安裝簡體中文語言包,下載地址為: https://github.com/tesseract-ocr/tessdata/find/master/chi_sim.traineddata ? ,再講
chi_sim.traineddata
放在C:\Program Files (x86)\Tesseract-OCR\tessdata目錄下。我們以圖片timg.jpg為例:
輸入命令:
tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim
識別結果如下:
只識別錯了一個字,識別率還是不錯的。
最后加一句,Tesseract對于彩色圖片的識別效果沒有黑白圖片的效果好。
pytesseract
pytesseract是Tesseract關于Python的接口,可以使用pip install pytesseract安裝。安裝完后,就可以使用Python調用Tesseract了,不過,你還需要一個Python的圖片處理模塊,可以安裝pillow.
輸入以下代碼,可以實現同上述Tesseract命令一樣的效果:
import pytesseract from PIL import Image pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe' text = pytesseract.image_to_string(Image.open('E://figures/other/poems.jpg')) print(text)
運行結果如下:
總結
以上所述是小編給大家介紹的Python圖像處理之圖片文字識別功能(OCR),希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復大家的。在此也非常感謝大家對腳本之家網站的支持!
如果你覺得本文對你有幫助,歡迎轉載,煩請注明出處,謝謝!
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
