OpenCV超实用实战项目|Tesseract-OCR 下载安装和使用 pytorch|python|深度学习

一、简介 Tesseract是一个由HP实验室开发由Google维护的开源的光学字符识别（OCR）引擎，可以在 Apache 2.0 许可下获得。它可以直接使用，或者（对于程序员）使用 API?? 从图像中提取输入，包括手写的或打印的文本。

与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；

训练的大致流程：安装jTessBoxEditor -> 获取样本文件 -> Merge样本文件 –> 生成BOX文件 -> 定义字符配置文件 -> 字符矫正 -> 执行批处理文件 -> 将生成的 traineddata 放入tessdata 中。

如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。
二、下载以下是关于Tesseract的常用网址
下载地址：https://digi.bib.uni-mannheim.de/tesseract/
官方网站：https://github.com/tesseract-ocr/tesseract
官方文档：https://github.com/tesseract-ocr/tessdoc
语言包地址：https://github.com/tesseract-ocr/tessdata

注意事项:
1.尽量不要下载dev(开发中的版本)，alpha(内部测试版,一般不向外部发布,会有很多Bug)，beta(公测版本，即针对所有用户公开的测试版本)等版本。

2.建议下载最新稳定版本：
tesseract-ocr-w64-setup-v5.0.0.20190623.exe 2019-06-23 11:30 38M

三、安装 1.开始安装

文章图片

2.许可协议

文章图片

3.选择要安装的用户

文章图片

4.选择附带要安装的语言包此后会在安装过程中会自动从服务器下载该语言包。（这里不太建议勾选下载语言包，因为下载速度实在太慢。本教程后续会介绍如何拓展语言包，但如果已经的话，可以忽略这个建议。）

文章图片

5.设置安装目的地址，后续设置环境变量时需要用到。

文章图片

6.选择要创建程序快捷方式的启动菜单文件夹,一般默认即可

【OpenCV超实用实战项目|Tesseract-OCR 下载安装和使用】
文章图片

7.完成安装

文章图片

四、设置环境变量 1.设置环境变量进入环境变量中，在path中新建tesseract的安装路径使用win+r弹出“运行”命令框，输入sysdm.cpl打开系统属性。

文章图片

2.在“高级”中打开“环境变量”

文章图片

3.在“系统变量”中找到“Path"，双击进入

文章图片

4.加入安装过程中设置的地址

文章图片

之后连续点击确定三次，依次关闭这三个窗口。
五、安装检验及语言包拓展 1.查看是否安装成功打开cmd，输入tesseract -v回车，若显示版本号即为安装成功。

文章图片

2.查看已经安装的语言在cmd中输入tesseract --list-langs回车，若显示版本号即为安装成功。

文章图片

3.拓展语言包在下载步骤中找到语言包地址的链接，下载所需要的的语言包，如图

文章图片

下载后将该包直接放在程序安装目录的tessdata文件夹中里面即可，如图

文章图片

六、Python实例运用 1.测试样图

文章图片

2.测试代码

import pytesseract from PIL import Imagedef demo(): # 打开要识别的图片 image = Image.open('D:/Programming_development/Python/material/横渠四句.png') # 使用pytesseract调用image_to_string方法进行识别，传入要识别的图片，lang='chi_sim'是设置为中文识别， text = pytesseract.image_to_string(image, lang='chi_sim')#输入所识别的文字 print(text)if __name__ == '__main__': demo()