Python-tesseract识别图片文字

介绍：Python-tesseract是python的光学字符识别（OCR）工具。也就是说，它将识别并“读取”嵌入图像中的文本。

Python-tesseract是Google的Tesseract-OCR引擎的包装器。它作为独立的调用脚本也很有用，因为它可以读取Python Imaging Library支持的所有图像类型，包括jpeg，png，gif，bmp，tiff等，而tesseract-ocr默认只支持tiff和bmp。此外，如果用作脚本，Python-tesseract将打印已识别的文本，而不是将其写入文件。

用法

快速开始

try:
    import Image
except ImportError:
    from PIL import Image
import pytesseract
＃如果PATH中没有tesseract可执行文件，请包含以下内容：
pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'
＃示例tesseract_cmd = r'C：\ Program Files（x86）\ Tesseract-OCR \ tesseract'
＃简单的图像串
print(pytesseract.image_to_string(Image.open('test.png')))
＃法语文本图像串
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))
＃获取包围盒估计
print(pytesseract.image_to_boxes(Image.open('test.png')))
＃获取详细的数据，包括盒，置信线和页码
print(pytesseract.image_to_data(Image.open('test.png')))
＃获取有关方向和脚本检测信息
print(pytesseract.image_to_osd(Image.open('test.png'))
＃为了绕过内部图像的转换，只需用相对或绝对图像路径
＃注：如果你不使用支持的图像，正方体将返回错误
print(pytesseract.image_to_string('test.png'))

支持OpenCV image / NumPy数组对象

import cv2
img = cv2.imread(r'/<path_to_image>/digits.png')
print(pytesseract.image_to_string(img))
＃或显式转换预先
print(pytesseract.image_to_string(Image.fromarray(img))

如果您有tessdata错误，请添加以下配置：“打开数据文件时出错......”

tessdata_dir_config  =  r ' -  tessdata-dir“<replace_with_your_tessdata_dir_path>”' 
＃示例config：r' -  tessdata-dir“C：\ Program Files（x86）\ Tesseract-OCR \ tessdata”' 
＃添加双引号很重要在dir路径附近。
pytesseract.image_to_string(image, lang='chi_sim', config=tessdata_dir_config)

功能

• get_tesseract_version返回系统中安装的Tesseract版本。
• image_to_string将图像上的Tesseract OCR运行结果返回到字符串
• image_to_boxes返回包含已识别字符及其框边界的结果
• image_to_data返回包含框边界，置信度和其他信息的结果。需要Tesseract 3.05+。有关更多信息，请查看Tesseract TSV文档
• image_to_osd返回包含有关方向和脚本检测的信息的结果。

参数

image_to_data（image，lang = None，config =''， nice = 0，output_type = Output.STRING）

• image Object，PIL Image /由Tesseract处理的图像的NumPy数组
• lang String，Tesseract语言代码字符串
• config String，任何其他配置为字符串，例如：config =' - psm 6'
• nice Integer，修改Tesseract运行的处理器优先级。Windows不支持。尼斯调整了类似unix的流程的优点。
• output_type Class属性，指定输出的类型，默认为string。有关所有支持类型的完整列表，请检查pytesseract.Output类的定义。

安装

先决条件：

• Python-tesseract需要python 2.6+或python 3.x.
• 您将需要Python Imaging Library（PIL）（或Pillow fork）。在Debian / Ubuntu下，这是包python-imaging或python3-imaging。
• 安装Google Tesseract OCR （有关如何在Linux，Mac OSX和Windows上安装引擎的其他信息）。你必须能够调用的Tesseract命令正方体。如果不是这种情况，例如因为tesseract不在您的PATH中，则必须更改“tesseract_cmd”变量pytesseract.pytesseract.tesseract_cmd。在Debian / Ubuntu下，您可以使用包tesseract-ocr。适用于Mac OS用户。请安装自制软件包tesseract。

通过点子安装：

有关更多信息，请查看pytesseract包页面。

$ （ env ） > pip install pytesseract

或者如果你安装了git：

$ （ env ） > pip install -U git + https://github.com/madmaze/pytesseract.git

从源代码安装：

$> git clone https://github.com/madmaze/pytesseract.git
$ （ env ） > cd pytesseract && pip install -U。