Python3开发快速获取图片的文字

农村小镇哥2026-07-24 10:30

在 Python 3 中，快速获取图片中的文字（OCR） 最成熟、最省事的做法是直接使用 Tesseract OCR 。下面给你一套从零到可用的方案，兼顾速度和准确率。

一、安装依赖

1️、安装 Tesseract OCR

Windows

下载：https://github.com/UB-Mannheim/tesseract/wiki

安装后记住路径，例如：

复制代码

C:\Program Files\Tesseract-OCR\tesseract.exe

Linux

复制代码

sudo apt install tesseract-ocr

macOS

复制代码

brew install tesseract

验证：

复制代码

tesseract --version

2️、安装 Python 库

复制代码

pip install pytesseract pillow

二、最简示例（5 行代码）

复制代码

import pytesseract
from PIL import Image

text = pytesseract.image_to_string(Image.open("test.png"), lang="chi_sim+eng")
print(text)

✅ 支持：

中文：chi_sim
英文：eng
中英混合：chi_sim+eng

三、中文识别必须做的事

安装中文语言包

Windows：安装时勾选 Chinese

Linux：

复制代码

sudo apt install tesseract-ocr-chi-sim

✅ 提高准确率的关键技巧（很重要）

1️、灰度 + 二值化

复制代码

from PIL import Image

img = Image.open("test.png").convert("L")
img = img.point(lambda x: 0 if x < 140 else 255)
print(pytesseract.image_to_string(img))

2️、指定页面分割模式（PSM）

复制代码

custom_config = r'--oem 3 --psm 6'
text = pytesseract.image_to_string(img, config=custom_config)

常用 PSM：

3：自动分页（默认）
6：统一文本块
7：单行文本
11：稀疏文本

3️、Windows 指定 Tesseract 路径

复制代码

pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"

✅ 批量识别图片

复制代码

import os

for f in os.listdir("images"):
    if f.endswith(".png"):
        text = pytesseract.image_to_string(Image.open(f"images/{f}"))
        print(f, text.strip())

✅ 获取文字位置（做标注 / 审核）

复制代码

data = pytesseract.image_to_data(img, output_type=pytesseract.Output.DICT)
print(data["text"])
print(data["left"])
print(data["top"])