100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战

这篇具有很好参考价值的文章主要介绍了100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

专栏导读

🔥🔥本文已收录于《100天精通Python从入门到就业》:本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学,从0到100的不断进阶深入,后续还有实战项目,轻松应对面试,专栏订阅地址:https://blog.csdn.net/yuan2019035055/category_11466020.html

  • 优点订阅限时9.9付费专栏进入千人全栈VIP答疑群,作者优先解答机会(代码指导、远程服务),群里大佬众多可以抱团取暖(大厂内推机会)
  • 专栏福利简历指导、招聘内推、每周送实体书、80G全栈学习视频、300本IT电子书:Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等
    100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别
    100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

1. OCR技术介绍

OCR,即光学字符识别(Optical Character Recognition),是一种将印刷体字符转化为计算机可读文字的技术。OCR技术可以将纸质文档、扫描文档、照片等转化为可编辑的电子文件,方便用户进行编辑、存储和共享。

OCR技术的应用范围非常广泛。例如,银行和保险公司可以使用OCR技术来处理各种表格和文件,包括支票、发票、合同等,从而提高办公效率。医院可以使用OCR技术来处理病历、处方和医学报告,从而提高医疗质量和效率。政府机构可以使用OCR技术来处理各种表格和文件,例如税务申报表、选民登记表等,从而提高政府服务的效率和质量。

OCR技术的原理是利用光学扫描仪将纸质文档转化为数字图像,然后通过图像处理算法将图像中的字符识别出来,并转化为计算机可读的文字。OCR技术的核心是字符识别算法,这个算法需要考虑到各种字体、字号、字距、倾斜度、噪声等因素。

OCR技术的发展历史可以追溯到20世纪50年代,当时的OCR技术只能处理单一字体、字号、字距的文本。随着计算机技术的不断发展,OCR技术也不断进步,现在的OCR技术能够处理各种字体、字号、字距、倾斜度、噪声等复杂条件下的文本,并且具备高精度和高速度的特点。

总之,OCR技术是一种非常实用的技术,可以帮助用户将纸质文档转化为电子文件,从而提高办公效率和工作质量。随着计算机技术的不断进步,OCR技术也将不断发展,为用户提供更加高效和便捷的服务。

2. 模块介绍

Tesseract OCR(Optical Character Recognition)是一个免费的开源OCR引擎,由Google开发和维护。它能够识别图像中的文本,并将其转换为可编辑和可搜索的文本格式。Tesseract支持超过100种语言的文本识别,并且具有高度的准确性和可扩展性。

3. 模块安装


1、安装Tesseract、Tesseract、Pillow模块,可以使用以下命令:

pip install pytesseract
pip install pillow
pip install tesseract-ocr # 如果这个安装报错就用下面的手动安装方法

2、从网上找到相应的‘Tesseract-OCR’下载安装(自行寻找对应版本):https://digi.bib.uni-mannheim.de/tesseract/
100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

3、无脑默认安装即可

4、安装后的默认文件路径为(这里使用的是Windows版本)C:\Program Files\Tesseract-OCR\

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

4. 代码实战

4.1 英文图片测试

1. 测试图片准备:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

2、修改下面的Tesseract-OCR的安装路径和图片路径:

import cv2
import pytesseract

# 1. 找到Tesseract-OCR的安装路径
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 2. 图片的路径(注意:图片路径不能有中文
img = cv2.imread(r'English.png')

# 3. 对图片进行灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 4. 提取字符串
text = pytesseract.image_to_string(gray)

# 5. 打印字符串
print(text)

3、运行结果,识别成功:
100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

4.2 数字图片测试

  1. 测试图片准备:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

2、修改下面的Tesseract-OCR的安装路径和图片路径:

import cv2
import pytesseract

# 1. 找到Tesseract-OCR的安装路径
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 2. 图片的路径(注意:图片路径不能有中文
img = cv2.imread(r'number.png')

# 3. 对图片进行灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 4. 提取字符串
text = pytesseract.image_to_string(gray)

# 5. 打印字符串
print(text)

3、运行结果,识别成功:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

4.3 中文图片识别

注意:上面的代码不能直接识别中文,我们需要下载中文语言包

1、下载下面的4个中文语言包文件,复制到Tesseract-OCR安装目录tessdata文件夹里:https://gitcode.com/tesseract-ocr/tessdata/overview

chi_sim.traineddata
chi_sim_vert.traineddata
chi_tra.traineddata
chi_tra_vert.traineddata

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

网速慢的小伙伴们,博主这里为大家下载好了,搜索公众号:袁袁袁袁满,回复:tessdata,即可:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

2、将下载好的中文语言包复制在Tesseract-ocr安装路径的tessdata文件夹里:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

3、准备图片:

100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

4、与之前代码区别在于设置了中文语言包:

import cv2
import pytesseract

# 1. 找到Tesseract-OCR的安装路径
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 2. 图片的路径(注意:图片路径不能有中文
img = cv2.imread(r'Chinese.png')

# 3. 对图片进行灰度处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 4. 提取字符串,并设置为中文
lang = 'chi_sim'
text = pytesseract.image_to_string(gray,lang)

# 5. 打印字符串
print(text)

5、运行结果,提取成功:
100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

书籍分享

《Web前端开发全程实战》
100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战,100天精通Python,python,ocr,Tesseract-OCR,人工智能,OCR图片文字识别实战,中文识别,英文识别

《Web前端开发全程实战——HTML5+CSS3+JavaScript+jQuery+Bootstrap》从初学者角度出发,结合大量实例讲解了如何使用HTML5、CSS3、JavaScript、jQuery、Ajax、Boostrap、Vue、PHP 等基本技术搭建Web 前端,力求向读者提供一套极简的Web 前端一站式高效学习方案。全书共28 章,内容包括HTML5基础、设计HTML5 文档结构、设计HTML5 文本、设计HTML5 图像和多媒体、设计列表和超链接、设计表格和表单、CSS3 基础、设计文本样式、设计特效和动画样式、CSS 页面布局、JavaScript 基础、处理字符串、使用数组、使用函数、使用对象、jQuery 基础、文档操作、事件处理、使用Ajax、CSS 样式操作、jQuery 动画、Bootstrap基础、CSS 组件、JavaScript 插件、使用Vue、PHP 基础、使用PHP 与网页交互、使用PDO 操作数据库、项目实战。书中所有知识点均结合具体实例展开讲解,代码注释详尽,可使读者轻松掌握前端技术精髓,提升实际开发能力。

本书特色:30万+读者体验,畅销丛书新增精品;10年开发教学经验,一线讲师半生心血。

京东地址:https://item.jd.com/13512401.html文章来源地址https://www.toymoban.com/news/detail-815530.html

到了这里,关于100天精通Python(实用脚本篇)——第113天:基于Tesseract-OCR实现OCR图片文字识别实战的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【爬虫】8.1. 深度使用tesseract-OCR技术识别图形验证码

    前言:本片文章是基于我之前发的一篇文章《【爬虫】8.1. 使用OCR技术识别图形验证码》而写的,链接为: 【爬虫】8.1. 使用OCR技术识别图形验证码,前面这篇文章比较基础。入门了tesseract-OCR技术之后对它比较感兴趣,故继续深度学习以下。为了衔接比较好,故本篇文章前面

    2024年02月09日
    浏览(48)
  • OCR--基于Tesseract详细教程(python)

    目录 1.介绍 2. 准备工作 2.1 安装Tesseract 2.2 安装pytesseract 3. Tesseract的基础应用  3.1 翻译图像文字——image_to_string  3.2 获取单个字符的外框——image_to_boxes  3.3  输出区域、置信度 文字内容以及其他——image_to_data 3.4 设定配置实现过滤功能  3.4.1  OEM 3.4.2  PEM 3.4.3 示例:只检

    2024年04月27日
    浏览(63)
  • 基于Tesseract模块Python实现提取图片中的文字信息(安装+使用教程)

    Python实现提取图片中的文字可以使用Optical Character Recognition (OCR) 技术来解决。OCR是指将图像中的文本转换成可编辑的文本的过程。Python有许多OCR库,但最流行和最广泛使用的是Tesseract库。 下面是一个使用Python和Tesseract来提取图像中的文本的简单示例代码。 OCR,即光学字符识

    2024年02月05日
    浏览(46)
  • 99个Python脚本实用实例

    题目:有四个数字:1、2、3、4,能组成多少个互不相同且无重复数字的三位数?各是多少? 题目:一个整数,它加上100后是一个完全平方数,再加上168又是一个完全平方数,请问该数是多少? 题目:输入某年某月某日,判断这一天是这一年的第几天? 题目:输入三个整数

    2024年01月17日
    浏览(39)
  • 【100天精通python】Day14:python 标准模块,自定义模块

    目录 1 python 模块 2 标准模块 2.1 常见的标准模块 2.2 标准模块的导入 3 自定义模块

    2024年02月16日
    浏览(45)
  • 【100天精通python】Day4:运算符

    目录 1 算数运算符 2 赋值运算符 3 比较(关系运算符) 4 逻辑运算符

    2024年02月16日
    浏览(64)
  • 20个好用到爆的Python实用脚本!

    最近小编认真整理了20+个基于python的实战案例,主要包含:数据分析、可视化、机器学习/深度学习、时序预测等,案例的主要特点: 提供源码:代码都是基于jupyter notebook,附带一定的注释,运行即可 数据齐全:大部分案例都有提供数据,部分案例使用内置数据集 基于pyth

    2024年01月19日
    浏览(56)
  • 5个实用的自动化Python脚本

    Python 是一种功能强大的语言,广泛用于自动执行各种任务。无论您是开发人员、系统管理员,还是只是想通过自动化日常任务来节省时间的人,Python 都能满足您的需求。 这里有 5 个 Python 脚本,可以帮助您自动执行各种任务。 Python 中的文件传输脚本是一组指令或用 Python 编

    2024年02月14日
    浏览(39)
  • 【100天精通python】Day5:python 基本语句,流程控制语句

    目录 1. 条件语句 1.1 if语句 1.2 if-else语句  1.3  if-elif-else语句 2 循环语句 2.1 for循环

    2024年02月17日
    浏览(51)
  • 【100天精通python】Day14:python模块_标准模块,自定义模块

    目录 1 python 模块 2 标准模块 2.1 常见的标准模块 2.2 标准模块的导入 3 自定义模块

    2024年02月14日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包