OCR和PyTesseract库结合批量识别图片的文字
UMI-OCR 是什么？
- UMI-OCR 是一个用于文字识别（OCR）的 Python 库,它提供了识别图像中文本的功能.
使用 UMI-OCR 的原因:
方便的文字识别功能：
- UMI-OCR 提供了简单易用的 API,可以帮助用户在图像中准确识别文本.
支持多种语言：
- 库支持多种语言文本的识别.
开源：
- UMI-OCR 是一个开源项目,用户可以根据需要自由使用和定制.
优缺点
优点:
简单易用 多语言支持 开源
缺点:
- 识别精度可能受到图像质量、文本字体等因素影响
安装Tesseract-OCR引擎.
-
- 在Linux上,可以使用sudo apt-get install tesseract-ocr命令.
-
- Windows用户需要从Tesseract at UB Mannheim下载并安装.
安装PyTesseract Python库.
安装与基本使用:
安装 pytesseract和imageio：
pip install pytesseract
和
pip install imageio
- 在任何操作系统上,都可以使用pip install pytesseract命令来安装.
安装 Tesseract-OCR 引擎
- github.com/UB-Mannheim... 下载64位,下载完成后,双击安装即可-然后把安装的路径在在环境变量里面配置好即可
- 然后用cmd 命令行 执行 tesseract.exe -v 是否成功
- 在打印信息中可以看到对应的版本号v5.3.3 2024005以及各种依赖库文件的版本号,表示安装成功.然后把这个路径填写上去
安装语言包
- github.com/tesseract-o...
- 安装语言包 下载完成后解压安装即可再次进入到系统环境变量,添加一个名称为"TESSDATA PREFIX"的系统变量,输入语言包所在的路径:
- 在完成上述步骤后,你应该能够在你的系统上的任何位置运行 tesseract 命令
- 接下来安装语言包,在上一个步骤下载的语言包中找到需要的traineddata文件,比如表示英文和中文简体的eng.traineddata和chi sim.traineddata,复制到软件安装目录的tessdata路径下,这里语言包目录是:D:\OCR\tessdata
- 设置完成后打开一个新的命令行输入"tesseract.exe --list-langs"可以检查语言包是否完成安装.
- 拷贝了eng.traineddata和chi sim.traineddata 2个文件到tessdata目录下,输入"tesseract.exe -ist-langs"执行后看到了chi chm和eng 2种语言,说明对应的语言类型安装成功.
python
import pytesseract
import imageio
import os
os.environ['TESSDATA_PREFIX'] = '/pythonProject/pythonProject2/OCR/tessdata'
pytesseract.pytesseract.tesseract_cmd = r'D:\OCR\tesseract.exe'
image = imageio.v2.imread('picture.jpeg')
text = pytesseract.image_to_string(image, lang='chi_sim')
print(text)打印的结果：
需注意的几点：
- os.environ['TESSDATA_PREFIX']='/pythonProject/pythonProject2/OCR/tessdata'这个是中文包的路径
- 如果出现没有安装tesseracth或者没有找到系统指定的文件的话,我们需要确保Tesseract已经被安装在你的系统上,并且Python能够找到它.
- 那么需要输入这行代码指定路径：
python
pytesseract.pytesseract.tesseract_cmd = r'D:\OCR\tesseract.exe'
pytesseract.pytesseract.tesseract_cmd = r'D:\OCR\tesseract.exe'基本使用：
- 在Windows用户也可以识别.
- 通过cmd命令行也可以识别图片中的的D:\OCR\tessdata>tesseract.exe 图片汉字识别.png -l chi_sim 识别图片中的字母和字节数
通过cmd命令行也可以识别图片中的文字
D:\OCR\tessdata>tesseract.exe 图片汉字识别.png result -l chi_sim
进阶功能:
自定义配置:
- 可以配置识别时的参数,如语言、识别区域等.
批量处理:
- 对多个图像进行批量处理,并输出结果.
文本翻译:
- 结合翻译 API,将识别的文本进行翻译.
- 通过这些进阶功能,用户可以更灵活地应用 UMI-OCR 库来满足不同的需求.
总之：
- Umi-OCR不仅是技术人员的得力利器,也为广大技术爱好者打开了探索数字化文档世界的大门.随着技术的日新月异和社区的蓬勃发展,我们有理由相信,OCR技术将在未来的数字化转型中扮演着愈发重要的角色.
- 感谢大家的关注和支持!想了解更多Python编程精彩知识内容,请关注我的 微信公众号:python小胡子,有最新最前沿的的python知识和人工智能AI与大家共享,同时,如果你觉得这篇文章对你有帮助,不妨点个赞,并点击关注.动动你发财的手,万分感谢!!!