python 识别图片中的中文_python识别图片中文字的方法

Tesseract

文字识别是ORC的一部分内容，ORC的意思是光学字符识别，通俗讲就是文字识别。Tesseract是一个用于文字识别的工具，我们结合Python使用可以很快的实现文字识别。但是在此之前我们需要完成一个繁琐的工作。

（1）Tesseract的安装及配置

在 https://digi.bib.uni-mannheim.de/tesseract/下载Tesseract

有很多版本供大家选择，大家可以根据自己的需求选择。其中w32表示32位系统，w64表示64位系统，大家选择合适的版本即可，可能下载速度比较慢。

安装时我们需要知道我们安装的位置，将安装目录配置到系统path变量当中，我们路径是D:\CodeField\Tesseract-OCR。

我们右击我的电脑/此电脑->属性->高级系统设置->环境变量->Path->编辑->新建然后将我们的路径复制进去即可。添加好系统变量后后我们还需要依次点确定，这样才算配置好了。

（2）下载语言包

Tesseract默认是不支持中文的，如果想要识别中文或者其它语言需要下载相应的语言包，下载地址如下： https://tesseract-ocr.github.io/tessdoc/Data-Files ，进入网站后我们往下翻：

其中有两个中文语言包，一个Chinese-Simplified和Chinese-Traditional，它们分别是简体中文和繁体中文，我们选择需要的下载即可。下载完成后我们需要放到Tesseract的路径下的tessdata目录下，我们路径是D:\CodeField\Tesseract-OCR\tessdata。

（3）其它模块下载

除了上面的步骤，我们还需要下载两个模块：pip install pytesseractpip install pillow

第一个是用于文字识别的，第二个是用于图片读取的。接下来我们就可以进行文字识别了。

文字识别

（1）单张图片识别

接下来的操作就要简单的多，下面是我们要识别的图片：

接下来就是我们文字识别的代码：import pytesseractfrom PIL import Image# 读取图片im = Image.open('sentence.jpg')# 识别文字string = pytesseract.image_to_string(im)print(string)

识别结果如下：Do not go gentle into that good night!

因为默认是支持英文的，所以我们可以直接识别，但是当我们要识别中文或其它语言时就需要做些修改：import pytesseractfrom PIL import Image# 读取图片im = Image.open('sentence.png')# 识别文字，并指定语言string = pytesseract.image_to_string(im,)print(string)

在识别时，我们设置lang='chi_sim'，也就是把语言设置为简体中文，只有当你的tessdata目录下有简体中文包该设置才会生效。下面是我们用来识别的图片：

识别结果如下：不要温顺的走进那个良夜

图片内容被准确识别出来了。有一点我们需要知道，在我们将语言设置为简体中文或其它语言后，Tesseract还是可以识别出英文字符。

（2）批量图片识别

既然我们把单张图片识别列出来了，就肯定还有批量图片识别这个功能，这就需要我们准备一个txt文件了，比如我有text.txt文件，内容如下：sentence1.jpgsentence2.jpg

我们将代码修改为如下：import pytesseract# 识别文字string = pytesseract.image_to_string('text.txt',)print(string)

但是这样自己写一个txt文件难免有些麻烦，因此我们又可以进行如下修改：import osimport pytesseract# 文字图片的路径path = 'text_img/'# 获取图片路径列表imgs = [path + i for i in os.listdir(path)]# 打开文件f = open('text.txt', 'w+', encoding='utf-8')# 将各个图片的路径写入text.txt文件当中for img in imgs: f.write(img + '\n')# 关闭文件f.close()# 文字识别string = pytesseract.image_to_string('text.txt',)print(string)

这样我们只需要传入一个文字图片的根目录就可以批量进行识别了。在测试过程中发现，Tesseract对手写体、行楷等飘逸的字体识别不准确，对一些复杂的字识别也有待提升。

但是宋体、印刷体等笔画严谨的字体识别准确率很高。另外如果图片的倾斜大于一定的角度，识别结果也会有很大差别。

更多相关知识请关注python视频教程栏目

以上就是python识别图片中文字的方法的详细内容，更多请关注龙方网络其它相关文章！

python 识别图片中的中文_python识别图片中文字的方法相关推荐

python utf-8编码转换中文_python实现unicode转中文及转换默认编码的方法
本文实例讲述了python实现unicode转中文及转换默认编码的方法.分享给大家供大家参考,具体如下: 一.在爬虫抓取网页信息时常需要将类似"\u4eba\u751f\u82e6\u77e ...
python unicode编码转换中文_python实现unicode转中文及转换默认编码的方法
本文实例讲述了python实现unicode转中文及转换默认编码的方法.分享给大家供大家参考,具体如下: 一.在爬虫抓取网页信息时常需要将类似"\u4eba\u751f\u82e6\u77e ...
python 识别图片中的中文_Python中利用Tesseract软件来识别图片中的英文与中文
OCR与Tesseract介绍将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR).可以实现OCR 的底层库并不多,目前很多库都是使用共同的几 ...
python图片表格提取算法_python识别并提取表格中的文字--Apple的学习笔记
此文为的后记.读者可以参考https://www.jianshu.com/p/b85667a4ef76 用到的python文字提取库pytesseract.用pip install pytessera ...
python unicode编码转换中文_Python入门高级教程--Python 中文编码
Python 中文编码前面章节中我们已经学会了如何用 Python 输出 "Hello, World!",英文没有问题,但是如果你输出中文字符 "你好,世界" ...
python列表元素为中文_python入门基础教程之Python list列表修改元素
python提供了两种修改列表(list)元素的方法,你可以每次修改单个元素,也可以每次修改一组元素(多个). 修改单个元素修改单个元素非常简单,直接对元素赋值即可.请看下面的例子: nums = ...
python判断是否为完全数_Python识别完美数
完美数完美数(perfect number,又称完全数)指,它所有的真因子(即除了自身以外的因子)和,恰好等于它自身. 第一个完美数:6, 第二个完美数:28, 第三个完美数:496, 第四个完美数 ...
python识图找图_python识别图片
import requests from aip import AipOcr image = requests.get('https://static.pandateacher.com/7b5d6d8 ...
python unicode编码转换中文_python unicode转中文及转换默认编码
一. 在爬虫抓取网页信息时常需要将类似"\u4eba\u751f\u82e6\u77ed\uff0cpy\u662f\u5cb8"转换为中文,实际上这是unicode的中文编码.可 ...

python 识别图片中的中文_python识别图片中文字的方法

python 识别图片中的中文_python识别图片中文字的方法相关推荐

最新文章

热门文章