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
晓131313 小时前
OpenCV篇——项目(二)OCR文档扫描
人工智能·python·opencv·pycharm·ocr
秋窗718 小时前
Mac 部署Latex OCR并优化体验(打包成App并支持全局快捷键)
macos·ocr·latex
RainSerein21 小时前
Laravel8中调取腾讯云文字识别OCR
ocr·php·腾讯云·laravel
老胖闲聊11 天前
Python pytesseract【OCR引擎库】 简介
开发语言·python·ocr
沉到海底去吧Go11 天前
【工具教程】PDF指定区域OCR识别重命名工具使用教程和注意事项
pdf·ocr·图片区域识别改名·仓储物流单据识别·物流单据识别改名·pdf区域识别改名·pdf区域识别重命名
heart000_112 天前
通义大模型在文档自动化处理中的高效部署指南(OCR集成与批量处理优化)
运维·自动化·ocr
kevin 112 天前
OCR大模型,破解金融文档处理困境,从文字识别到文字理解
金融·ocr
Just_Paranoid12 天前
华为云Flexus+DeepSeek征文|基于Dify构建智能票据信息识别助手
华为云·ocr·dify·maas·deepseek·flexusx
whoarethenext12 天前
使用 C++/OpenCV 构建中文 OCR 系统:实现账单、发票及 PDF 读取
c++·opencv·ocr
阿幸软件杂货间14 天前
望言OCR:免费视频字幕提取工具,高效识别吊打付费软件
ocr·字幕