Tesseract OCR 安装与中文+英文识别实现

一、下载

https://digi.bib.uni-mannheim.de/tesseract/

下载,尽量选择时间靠前的(识别更好些)。符合你的运行机(我的是windows64)

持续点击下一步安装,安装你认可的路径即可,没必要配置环境变量(后续在代码里指定即可)。

二、下载语言包

https://github.com/tesseract-ocr/tessdata/blob/main/chi_sim.traineddata

(这是中文的。有了它,后续的识别会更精准)

下载到的语言包放到安装目录的 Tesseract-OCR\tessdata 目录下

三、代码实现和图片优化

注意:图片的优化很重要,这会极大的提高识别。

【图片越大、像素越清晰,识别的准确度越高。

如果是小图片,需要额外做放大、锐化、对比度等处理。 本文章不做这方面的优化。

各位可以截大图和小图对比一下结果就知道了。】

下面以python实现为例:

程序:替换你的安装路径和图片地址,运行即可测试。

python 复制代码
import pytesseract
from PIL import Image

# 设置Tesseract路径(根据实际安装路径修改)
pytesseract.pytesseract.tesseract_cmd = r'C:\soft_install\Tesseract-OCR\tesseract.exe'


def ocr_scan(image_path):
    """
    对指定图片文件进行OCR识别
    :param image_path: 图片文件路径(支持PNG/JPG等格式)
    """
    try:
        # 加载图片文件
        image = Image.open(image_path)

        # 识别文字(中英文混合)
        text = pytesseract.image_to_string(image, lang='chi_sim+eng')
        print("识别结果:\n", text.strip())

    except FileNotFoundError:
        print(f"错误:文件 '{image_path}' 不存在")
    except Exception as e:
        print(f"发生错误:{str(e)}")


if __name__ == "__main__":
    # 直接指定图片路径(示例路径)
    image_path = "processed_latest.png"  # 修改为你的图片路径
    ocr_scan(image_path)

图片实例如下:

(图1 未经过放大和二值化阈值等处理。 会存在识别失真)

(图2 经过放大和二值化阈值处理。 上面的程序可以正确识别 )

相关推荐
科研邪修法2 天前
中英混排OCR评估:从字符输出到字段验收
ocr
凯瑟琳.奥古斯特3 天前
我开源了一个 Windows 截图取字工具:全局热键 + 离线 OCR + 标注打码,不上传任何数据
windows·ocr
AlfredZhao8 天前
OCR、VLM、ASR 到底有什么区别?一文讲清
ocr·asr·vlm
合尘猫9 天前
图片表格变结构化数据:OCR 后的三个坑
python·ocr
hddata@16 天前
字符切得准,文本溯得清——高维数据OCR字符分割专利获授权,赋能多行业文本安全应用
安全·ocr
楚识科技16 天前
企业级 OCR 选型指南:从 API 调用到私有化部署的技术对比
ocr
开开心心就好16 天前
网页图片批量下载工具,输入链接就保存
服务器·算法·leetcode·支持向量机·pdf·ocr·1024程序员节
土星云SaturnCloud16 天前
基于 PP-OCR 的车牌识别:从数据整理到土星云 SE110S 系列边缘部署
人工智能·ai·ocr·边缘计算
SEO-狼术17 天前
Aspose.OCR for .NET v26 Crack
ocr
lingxiao1688817 天前
Halcon之OCR应用
人工智能·ocr