pytesseract+Tesseract-OCR图片文字识别趟坑

一、tesseract下载

1. 代码托管在github上，连接：

   https://github.com/tesseract-ocr/tesseract/wiki/Downloads

   找windows下载

2. 也可以直接安装包下载

   https://pan.baidu.com/s/1GKAWuBmg7vpgDPqKOpeMtA

二、下载python的包

pip install Pillow
pip install pytesseract

修改pytesseract.py

将红线部分修改成tesseract的安装路径，使pytesseract能够调用tesseract。

tesseract_cmd = 'D:/Program Files (x86)/Tesseract-OCR/tessdata/tesseract.exe'

如果没有修改这个变量，就会报错：

pytesseract.pytesseract.TesseractNotFoundError: tesseract is not installed or it's not in your path

三、添加环境变量

添加TESSDATA_PREFIX的环境变量，设置为安装目录下的tessdata目录 D:\Program Files (x86)\Tesseract-OCR\tessdata

否则会报错

Error opening data file \Program Files (x86)\Tesseract-OCR\tessdata/eng.traineddata
Please make sure the TESSDATA_PREFIX environment variable is set to the parent directory of your "tessdata" directory.
Failed loading language 'eng'
Tesseract couldn't load any languages!
Could not initialize tesseract.

配置完如果不好使重启大法

四、测试DEMO

# -*-encoding:utf-8-*-
import pytesseract
from PIL import Image

# 测试的是pytesseract自带的图片，效果十分理想，完全没毛病
image = Image.open("test-european.jpg")
string = pytesseract.image_to_string(image)
print(string)

如果是中文识别就需要在image_to_string()方法添加一个参数lang='chi_sim'，在上面那个安装包里面有，也可以在这 戳我 里面找到语言包进行下载，但是这个识别准确率真是惨目忍睹。

有一些彩色的图片还需要进行：彩色转灰度，灰度转二值，二值图像识别，参考：https://blog.csdn.net/djd1234567/article/details/50739872