1 说明

1.1 Tesseract

1.1.1 是目前公认最优秀、最精确的开源 OCR 系统。

1.1.2 目前由 Google 赞助。

1.1.3 优点：极高的精确度，很高的灵活性，还可以通过训练识别出任何字体，也可以识别出 Unicode 字符。

1.2 python的tesseract进行有关库：有2个。

1.2.1 tesserocr和pytesseract是Python的2个OCR识别库。

1.2.2 tesserocr和pytesseract的核心都是tesseract。

1.3 内容

1.3.1 tesseract，tesserocr和pytesseract的安装。

1.3.2 基本使用教程，入门级，讲解清楚，一秒入门，适合收藏。

2 tesseract安装

2.1 本机是deepin-linux操作系统，安装方法如下：

#在Ubuntu、Debian和Deepin系统下，安装命令如下：sudo apt-get install -y tesseract-ocr libtesseract-dev libleptonica-dev

2.2 查看默认安装语言：没有中文

tesseract --list-langs

结果：

List of available languages (3):osdengequ

2.3 中文等语言包的安装：

2.3.1 方法一：

git clone https://github.com/tesseract-ocr/tessdata.git #我失败了，你懂的

2.3.2 方法二：

https://github.com/tesseract-ocr/tessdata #网页手动下载，我竟然也失败了

2.3.3 方法三：

自己网上搜索下载，好心人的资源，我成功了，自己找吧，有的，我这里就不放了。

2.3.4 将下载的语音包解压，复制到/usr/share/tesseract-ocr/tessdata下。

2.4 再查看一下能支持的语言包，可以支持129种语言了。

3 tesseract的使用

3.1 终端：

tesseract /home/xgj/Desktop/tesserocr/1.png /home/xgj/Desktop/tesserocr/output-1

3.2 说明：1.png识别的文字的图片，生成output-1.txt文件，默认英文识别。

3.3 注意：识别图片不能太小。

Error in pixGenerateHalftoneMask: pix too small: w = 150, h = 52

3.4 中文识别，-l chi_sim代表语言为中文简体。

tesseract /home/xgj/Desktop/tesserocr/4.png /home/xgj/Desktop/tesserocr/output-4 -l chi_sim

4 python的tesseract封装库

4.1 安装：

pip install tesserocr pillow #默认附带安装pillow读取图片pip install pytesseract #同上，实际工作中，安装一个就可以了，使用相同

4.2 识别图

4.3 pytesseract的使用

4.3.1 效果图

4.3.2 代码

import pytesseract# 【注意】PIL库的安装: pip install Pillowfrom PIL import Image# 读取图片image = Image.open("/home/xgj/Desktop/tesserocr/5.png")# 识别图片a=pytesseract.image_to_string(image, config="-psm 7",lang='chi_sim')#打印结果print(a)

4.4 tesserocr使用，代码如下：

import tesserocr#可识别中文#方法一print(tesserocr.file_to_text('/home/xgj/Desktop/tesserocr/5.png',lang='chi_sim'))#方法二from PIL import Image#读取图片image = Image.open('/home/xgj/Desktop/tesserocr/5.png')print(tesserocr.image_to_text(image,lang='chi_sim'))

5 补充一下终端法：

tesseract /home/xgj/Desktop/tesserocr/5.png result -l chi_sim && cat result.txt