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
EkihzniY13 分钟前
OCR 如何精准识别越南身份证?
ocr
sali-tec13 小时前
C# 基于halcon的视觉工作流-章40-OCR训练识别
开发语言·图像处理·算法·计算机视觉·c#·ocr
AI人工智能+14 小时前
蒙古文识别技术:采用深度学习模型(CNN+RNN)处理蒙古文竖写特性,实现高精度识别
深度学习·ocr·蒙古文识别
sali-tec1 天前
C# 基于halcon的视觉工作流-章39-OCR识别
开发语言·图像处理·算法·计算机视觉·c#·ocr
AI人工智能+5 天前
AI攻克阿拉伯文OCR:深度学习如何破译千年文字密码
人工智能·深度学习·ocr·阿拉伯文识别
开开心心就好6 天前
PDF清晰度提升工具,让模糊文档变清晰
java·服务器·前端·python·智能手机·pdf·ocr
一条数据库6 天前
高质量票据识别数据集:1000张收据图像+2141个商品标注,支持OCR模型训练与文档理解研究
人工智能·ocr
中科逸视OCR15 天前
当OCR遇见NLP:解析深度学习发票识别中的语义理解与关系抽取模块
nlp·ocr·发票识别
EkihzniY17 天前
OCR 识别技术:各行业信息化转型的 “加速器”
ocr
虚行17 天前
一个海康相机OCR的程序
ocr