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 ）