tesseract

文章目录

• 前言
• 一、OCR的作用
• 二、使用步骤
• • 1.引入库
  • 2.单字符识别
  • 3.整体识别
  • 4.完整代码
• 总结

---

前言

本篇文章主要是学习记录使用，给大家本文章的源视频地址，虽然是英语的不过有中英双字幕，还是蛮好听懂的。

---

一、OCR的作用

OCR，即 Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。通常技术中广泛流传的 OCR 指的就是“将图片转成文字”的智能技术。OCR描述原文

二、使用步骤 1.引入库

代码如下（示例）：
简单使用还是仅仅依赖两个库：
pip install opencv-python
pip install pytesseract
（没下载库的）

import cv2
import pytesseract

2.单字符识别

代码如下（示例）：

# 获取图像大小
img_H, img_W, _ = img.shape
# 单个图像识别数据
boxes = pytesseract.image_to_boxes(img)
# 处理图片数据
for boxe in boxes.splitlines():
    # 分割数据
    boxe = boxe.split(" ")
    # print(boxe)
    # 获取图像识别的位置坐标
    x, y, w, h = int(boxe[1]), int(boxe[2]), int(boxe[3]), int(boxe[4])
    # 添加位置方框
    cv2.rectangle(img, (x, img_H - y), (w, img_H - h), (0, 0, 255), 2)
    # 添加识别文字
    cv2.putText(img, boxe[0], (x, img_H - y + 25), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 1)

识别结果演示：

3.整体识别

代码如下（示例）：

# 获取图像大小
img_H, img_W, _ = img.shape
# 图像识别数据
boxes = pytesseract.image_to_data(img)
# 处理图片数据
for boxe in boxes.splitlines()[1:]:
    # 分割数据
    boxe = boxe.split()
    print(boxe)
    # 判断图像数据长度（只有数据长度为12时才存储有识别结果）
    if len(boxe) == 12:
        # 获取图像识别的位置坐标
        x, y, w, h = int(boxe[6]), int(boxe[7]), int(boxe[8]), int(boxe[9])
        # 添加位置方框
        cv2.rectangle(img, (x, y), (w + x, h + y), (0, 0, 255), 2)
        # 添加识别文字
        cv2.putText(img, boxe[11], (x, y + 30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 255, 0), 1)

识别结果演示：

---

4.完整代码

代码如下（示例）：

import cv2
import pytesseract

# 注意：OCR只接受RGB值 openCV为BGR值 在使用时需要格式转换
# 启动tesseract_OCR
pytesseract.pytesseract.tesseract_cmd = r"D:\PyCharm\Tesseract-OCR\tesseract.exe"

# 导入图像
img = cv2.imread("./img/b.bmp")
# 处理图像 （BGR转RGB格式才能OCR识别）
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)


# 窗口格式化转换（才能显示中文）
def winname(name):
    return name.encode("gbk").decode(errors="ignore")


# 显示图像
cv2.imshow(winname("原图"), img)

# 识别结果
# print(pytesseract.image_to_string(img))


# 识别整体
# 获取图像大小
img_H, img_W, _ = img.shape
# 图像识别数据
boxes = pytesseract.image_to_data(img)
# 处理图片数据
for boxe in boxes.splitlines()[1:]:
    # 分割数据
    boxe = boxe.split()
    print(boxe)
    # 判断图像数据长度（只有数据长度为12时才存储有识别结果）
    if len(boxe) == 12:
        # 获取图像识别的位置坐标
        x, y, w, h = int(boxe[6]), int(boxe[7]), int(boxe[8]), int(boxe[9])
        # 添加位置方框
        cv2.rectangle(img, (x, y), (w + x, h + y), (0, 0, 255), 2)
        # 添加识别文字
        cv2.putText(img, boxe[11], (x, y + 30), cv2.FONT_HERSHEY_COMPLEX, 0.5, (0, 255, 0), 1)

cv2.imshow(winname("识别"), img)
cv2.waitKey(0)

"""
# 单个识别
# 获取图像大小
img_H, img_W, _ = img.shape
# 单个图像识别数据
boxes = pytesseract.image_to_boxes(img)
# 处理图片数据
for boxe in boxes.splitlines():
    # 分割数据
    boxe = boxe.split(" ")
    # print(boxe)
    # 获取图像识别的位置坐标
    x, y, w, h = int(boxe[1]), int(boxe[2]), int(boxe[3]), int(boxe[4])
    # 添加位置方框
    cv2.rectangle(img, (x, img_H - y), (w, img_H - h), (0, 0, 255), 2)
    # 添加识别文字
    cv2.putText(img, boxe[0], (x, img_H - y + 25), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 1)

# 数字识别
cong = r"--oem 3 --psm 6 outputbase digits"
# 获取图像大小
img_H, img_W, _ = img.shape
# 图像数字识别数据
boxes = pytesseract.image_to_data(img, config=cong)
# 处理图片数据
for boxe in boxes.splitlines()[1:]:
    # 分割数据
    boxe = boxe.split()
    print(boxe)
    if len(boxe) == 12:
        # 获取图像识别的位置坐标
        x, y, w, h = int(boxe[6]), int(boxe[7]), int(boxe[8]), int(boxe[9])
        # 添加位置方框
        cv2.rectangle(img, (x, y), (w + x, h + y), (0, 0, 255), 2)
        # 添加识别文字
        cv2.putText(img, boxe[11], (x, y), cv2.FONT_HERSHEY_COMPLEX, 1, (255, 0, 0), 1)

"""

总结

提示：这个整体是不难的，而且识别正确率也还是蛮高的。只要下载了相对应的库和tesseract_OCR就可以了。tesseract_OCR下载可以借鉴知乎-海阔and天空。