使用pytesseract图像处理之中文识别（二）

今天继续之前的图像识别，这次在英文的基础上开始中文识别，首先添加中文识别包：chi_sim 这个文件。下载地址：
https://github.com/tesseract-ocr/tessdata
如果你有不明白的可以去官方GitHub看看：
https://github.com/tesseract-ocr/tesseract
下载后把chi_sim 这个文件安装到你的tessdata这个文件夹下面。
注意一点： 下载中文包的时候要看看你的tesseract的版本，如果你的是3.02版本的，就下3.02对应的中文包；3.05就下3.05的，一定要仔细这里。不然后面会报错！
安装好了后，我就去写代码：

结果发现报错如下：
pytesseract.pytesseract.TesseractError: (3221225477, ‘’)
这是怎么回事呢？明明中文包下载对的啊。试过识别英文图片的，都是正常打印出字母来。于是纳闷了一下，便开始各种谷歌，看了数篇解决方案后，发现是环境变量那里少了tessdata这个，于是点开

找到 “系统变量”这里的“Path”变量 ，双击它，然后在弹出的页面里面找到之前添加的Tesseract-OCR这个变量：

在它后面新建一个同样路径的变量，然后再加上tessdata 这个单词。
注意一定要重新建一个环境变量，而不是在原来的上面直接加！！！
即这样：C:\Program Files (x86)\Tesseract-OCR\tessdata
就像我上面图片一样，建两个后确定保存。
（这里再多说一句：如果你按上面的添加环境变量后还是报错，可以看看你的系统变量这一栏有没有下图这个选项：
）
如果没有的话，就自己新建一个，把他添加进去。）
这下我再运行上面的程序，随手找的一张背景有点杂乱的中文图片，识别效果如下图：

简直差的不行了，又换了一张图，是标准的宋体，而且背景很干净，于是得到了下面这样的效果：

所以得出跟英文一样的结论：tesseract要想识别中文的概率达到百分之七十以上，首先要字体是宋体；其次背景要很干净，没有跨行。 因为只安装了中文简体的包，没有安繁体，而繁体是下面tra这个：

所以如果你要识别繁体就要下这一个才对！好了今天的识别就到这里，后面继续开始训练字库。