python3光学字符识别模块tesserocr与pytesseract

阅读更多

python3光学字符识别模块tesserocr与pytesseract

OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程，对应图形验证码来说，它们都是一些不规则的字符，这些字符是由字符稍加扭曲变换得到的内容，我们可以使用OCR技术来讲其转化为电子文本，然后将结果提取交给服务器，便可以达到自动识别验证码的过程

tesserocr与pytesseract是Python的一个OCR识别库，但其实是对tesseract做的一层Python API封装，pytesseract是Google的Tesseract-OCR引擎包装器；所以它们的核心是tesseract,因此在安装tesserocr之前，我们需要先安装tesseract

在测试之前先了解下tesseract的命令程序格式：
tesseract imagename outputbase [-l lang]
imagename指定图片名称，outputbase指定输出文件名，-l指定识别的语言

https://www.cnblogs.com/zhangxinqi/p/9297292.html(有自动登陆例子)
https://www.sohu.com/a/112119281_468290


https://www.cnblogs.com/lcchuguo/p/4060575.html（车牌识别算法介绍与实践）