專欄導(dǎo)讀
????本文已收錄于《100天精通Python從入門到就業(yè)》：本專欄專門針對零基礎(chǔ)和需要進(jìn)階提升的同學(xué)所準(zhǔn)備的一套完整教學(xué)，從0到100的不斷進(jìn)階深入，后續(xù)還有實戰(zhàn)項目，輕松應(yīng)對面試，專欄訂閱地址：https://blog.csdn.net/yuan2019035055/category_11466020.html
- 優(yōu)點(diǎn)：訂閱限時9.9付費(fèi)專欄進(jìn)入千人全棧VIP答疑群，作者優(yōu)先解答機(jī)會（代碼指導(dǎo)、遠(yuǎn)程服務(wù)），群里大佬眾多可以抱團(tuán)取暖（大廠內(nèi)推機(jī)會）
-
專欄福利：簡歷指導(dǎo)、招聘內(nèi)推、每周送實體書、80G全棧學(xué)習(xí)視頻、300本IT電子書：Python、Java、前端、大數(shù)據(jù)、數(shù)據(jù)庫、算法、爬蟲、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、面試題庫等等
1. OCR技術(shù)介紹
OCR，即光學(xué)字符識別（Optical Character Recognition），是一種將印刷體字符轉(zhuǎn)化為計算機(jī)可讀文字的技術(shù)。OCR技術(shù)可以將紙質(zhì)文檔、掃描文檔、照片等轉(zhuǎn)化為可編輯的電子文件，方便用戶進(jìn)行編輯、存儲和共享。
OCR技術(shù)的應(yīng)用范圍非常廣泛。例如，銀行和保險公司可以使用OCR技術(shù)來處理各種表格和文件，包括支票、發(fā)票、合同等，從而提高辦公效率。醫(yī)院可以使用OCR技術(shù)來處理病歷、處方和醫(yī)學(xué)報告，從而提高醫(yī)療質(zhì)量和效率。政府機(jī)構(gòu)可以使用OCR技術(shù)來處理各種表格和文件，例如稅務(wù)申報表、選民登記表等，從而提高政府服務(wù)的效率和質(zhì)量。
OCR技術(shù)的原理是利用光學(xué)掃描儀將紙質(zhì)文檔轉(zhuǎn)化為數(shù)字圖像，然后通過圖像處理算法將圖像中的字符識別出來，并轉(zhuǎn)化為計算機(jī)可讀的文字。OCR技術(shù)的核心是字符識別算法，這個算法需要考慮到各種字體、字號、字距、傾斜度、噪聲等因素。
OCR技術(shù)的發(fā)展歷史可以追溯到20世紀(jì)50年代，當(dāng)時的OCR技術(shù)只能處理單一字體、字號、字距的文本。隨著計算機(jī)技術(shù)的不斷發(fā)展，OCR技術(shù)也不斷進(jìn)步，現(xiàn)在的OCR技術(shù)能夠處理各種字體、字號、字距、傾斜度、噪聲等復(fù)雜條件下的文本，并且具備高精度和高速度的特點(diǎn)。
總之，OCR技術(shù)是一種非常實用的技術(shù)，可以幫助用戶將紙質(zhì)文檔轉(zhuǎn)化為電子文件，從而提高辦公效率和工作質(zhì)量。隨著計算機(jī)技術(shù)的不斷進(jìn)步，OCR技術(shù)也將不斷發(fā)展，為用戶提供更加高效和便捷的服務(wù)。
2. 模塊介紹
Tesseract OCR（Optical Character Recognition）是一個免費(fèi)的開源OCR引擎，由Google開發(fā)和維護(hù)。它能夠識別圖像中的文本，并將其轉(zhuǎn)換為可編輯和可搜索的文本格式。Tesseract支持超過100種語言的文本識別，并且具有高度的準(zhǔn)確性和可擴(kuò)展性。
3. 模塊安裝
1、安裝Tesseract、Tesseract、Pillow模塊，可以使用以下命令：
pip install pytesseract
pip install pillow
pip install tesseract-ocr # 如果這個安裝報錯就用下面的手動安裝方法
2、從網(wǎng)上找到相應(yīng)的‘Tesseract-OCR’下載安裝（自行尋找對應(yīng)版本）：https://digi.bib.uni-mannheim.de/tesseract/
3、無腦默認(rèn)安裝即可，
4、安裝后的默認(rèn)文件路徑為（這里使用的是Windows版本）：C:\Program Files\Tesseract-OCR\
4. 代碼實戰(zhàn)
4.1 英文圖片測試
1. 測試圖片準(zhǔn)備：
2、修改下面的Tesseract-OCR的安裝路徑和圖片路徑：
import cv2
import pytesseract
# 1. 找到Tesseract-OCR的安裝路徑
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# 2. 圖片的路徑（注意：圖片路徑不能有中文
img = cv2.imread(r'English.png')
# 3. 對圖片進(jìn)行灰度處理
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、運(yùn)行結(jié)果，識別成功：
4.2 數(shù)字圖片測試
- 測試圖片準(zhǔn)備：
2、修改下面的Tesseract-OCR的安裝路徑和圖片路徑：
import cv2
import pytesseract
# 1. 找到Tesseract-OCR的安裝路徑
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# 2. 圖片的路徑（注意：圖片路徑不能有中文
img = cv2.imread(r'number.png')
# 3. 對圖片進(jìn)行灰度處理
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、運(yùn)行結(jié)果，識別成功：
4.3 中文圖片識別
注意：上面的代碼不能直接識別中文，我們需要下載中文語言包
1、下載下面的4個中文語言包文件，復(fù)制到Tesseract-OCR安裝目錄tessdata文件夾里：https://gitcode.com/tesseract-ocr/tessdata/overview
chi_sim.traineddata
chi_sim_vert.traineddata
chi_tra.traineddata
chi_tra_vert.traineddata
網(wǎng)速慢的小伙伴們，博主這里為大家下載好了，搜索公眾號：袁袁袁袁滿，回復(fù)：tessdata，即可：
2、將下載好的中文語言包復(fù)制在Tesseract-ocr安裝路徑的tessdata文件夾里：
3、準(zhǔn)備圖片：
4、與之前代碼區(qū)別在于設(shè)置了中文語言包：
import cv2
import pytesseract
# 1. 找到Tesseract-OCR的安裝路徑
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'
# 2. 圖片的路徑（注意：圖片路徑不能有中文
img = cv2.imread(r'Chinese.png')
# 3. 對圖片進(jìn)行灰度處理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 4. 提取字符串，并設(shè)置為中文
lang = 'chi_sim'
text = pytesseract.image_to_string(gray,lang)
# 5. 打印字符串
print(text)
5、運(yùn)行結(jié)果，提取成功：
書籍分享
《Web前端開發(fā)全程實戰(zhàn)》
《Web前端開發(fā)全程實戰(zhàn)——HTML5+CSS3+JavaScript+jQuery+Bootstrap》從初學(xué)者角度出發(fā)，結(jié)合大量實例講解了如何使用HTML5、CSS3、JavaScript、jQuery、Ajax、Boostrap、Vue、PHP 等基本技術(shù)搭建Web 前端，力求向讀者提供一套極簡的Web 前端一站式高效學(xué)習(xí)方案。全書共28 章，內(nèi)容包括HTML5基礎(chǔ)、設(shè)計HTML5 文檔結(jié)構(gòu)、設(shè)計HTML5 文本、設(shè)計HTML5 圖像和多媒體、設(shè)計列表和超鏈接、設(shè)計表格和表單、CSS3 基礎(chǔ)、設(shè)計文本樣式、設(shè)計特效和動畫樣式、CSS 頁面布局、JavaScript 基礎(chǔ)、處理字符串、使用數(shù)組、使用函數(shù)、使用對象、jQuery 基礎(chǔ)、文檔操作、事件處理、使用Ajax、CSS 樣式操作、jQuery 動畫、Bootstrap基礎(chǔ)、CSS 組件、JavaScript 插件、使用Vue、PHP 基礎(chǔ)、使用PHP 與網(wǎng)頁交互、使用PDO 操作數(shù)據(jù)庫、項目實戰(zhàn)。書中所有知識點(diǎn)均結(jié)合具體實例展開講解，代碼注釋詳盡，可使讀者輕松掌握前端技術(shù)精髓，提升實際開發(fā)能力。
本書特色：30萬+讀者體驗，暢銷叢書新增精品；10年開發(fā)教學(xué)經(jīng)驗，一線講師半生心血。文章來源：http://www.zghlxwxcb.cn/news/detail-815530.html
京東地址：https://item.jd.com/13512401.html文章來源地址http://www.zghlxwxcb.cn/news/detail-815530.html
到了這里，關(guān)于100天精通Python（實用腳本篇）——第113天：基于Tesseract-OCR實現(xiàn)OCR圖片文字識別實戰(zhàn)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
