python 使用tesseract进行图片识别

from PIL import Image
import pytesseract

text = pytesseract.image_to_string(Image.open(r'E:guo2432.jpg'),lang='chi_sim')
print(text)

我的python为3.7

1.需要安装二个模块，

PIL 直接使用 pip install PIL 会报错 使用 pip install Pillow 即可安装PIL

第二个直接 pip install pytesseract

2安装好了模块还需要下载 tesseract-ocr

下载网址：https://github.com/UB-Mannheim/tesseract/wiki

选择自己的版本下载，下载之后直接安装即可。注意要记住安装的位置，等下需要用到

修改pytesseract.py 文件里面的指向路径

打开方式可以在pycharm 输入import pytesseract.pytesseract 然后按住ctrl键鼠标对着pytesseract右键点击进去

from io import BytesIO
pandas_installed = find_loader('pandas') is not None
if pandas_installed:
    import pandas as pd

# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
tesseract_cmd = r'C:Program FilesTesseract-OCR	esseract.exe'
RGB_MODE = 'RGB'

其中tesseract_cmd是我已经修改了的地址，tesseract.exe在刚刚安装位置里面，将这里设置好了运行就不会报错

pytesseract有很多语言库，默认的有英文，如果需要中文要去下载对应的语言包：
网址：https://github.com/tesseract-ocr/tessdata
其中的chi_sim.traineddata为简体中文的语言包，将语言包放置到安装路径的tessdata目录下即可。
如果需要使用语言包使用lang=来指定对应的语言包。默认是英文的。

chi_sim.traineddata的识别率不高，如果需要针对性的文字可以使用训练模型生成适合自己的语言包