OCR(Optical Character Recognition):光学字符识别,是指对图片文件中的文字进行分析识别，获取的过程。
Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后经由Google进行改进，消除bug，优化，重新发布。当前版本为4.0
step1:
安装tesseract
从官网下载这个文件：
tesseract-ocr-setup-4.00.00dev.exe
下载地址：https://github.com/tesseract-ocr/tesseract/wiki/4.0-with-LSTM#400-alpha-for-windows
下载完成直接点击安装，安装过程中注意选择自己想要安装的语言包
下载完后进行安装,默认情况下安装程序会给你配置系统环境变量,以指向安装目录（之后可以通过DOS界面在任意目录运行tesseract）。安装完成后目录如下:
tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库。
如果安装时候忘记选择语言库文件，可以通过以下网址下载剪切进tessdata 目录即可。
https://github.com/tesseract-ocr/tesseract/wiki/Data-Files
step2:pytesseract安装
pip安装pytesserac
step3：
修改pytesseract.py原文件
# tesseract_cmd = 'tesseract'###此处需要修修改
tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'#改成你对应的路径
#如果不修改，会报错：FileNotFoundError: [WinError 2] 系统找不到指定的文件。
#f = open(output_file_name)##此处需要修修改
f = open(output_file_name, encoding='utf-8')
#如果不修改，会儿报错：UnicodeDecodeError: 'gbk' codec can't decode byte 0xyy in position xxx: illegal multibyte sequence
修改处截图：
step4：
测试代码
import pytesseract
from PIL import Image
image = Image.open(r'C:\Users\yaohongfu\Desktop\4.png')
vcode = pytesseract.image_to_string(image,lang='chi_sim')
print(vcode)
#coding:utf-8
#Test one pageimport pytesseract
from PIL import Image
def processImage():
image = Image.open(r'C:\Users\yaohongfu\Desktop\4.png')
#背景色处理，可有可无
image = image.point(lambda x: 0 if x < 143 else 255)
newFilePath = 'raw-test.png'
image.save(newFilePath)
content = pytesseract.image_to_string(Image.open(newFilePath),lang='chi_sim')
#中文图片的话，是lang='chi_sim'
print(content)processImage()
#参考站点
https://github.com/tesseract-ocr/tesseract/wiki/4.0-with-LSTM#400-alpha-for-windows
https://github.com/tesseract-ocr/tesseract/wiki/Data-Files
https://github.com/madmaze/pytesseract
https://github.com/tesseract-ocr/tesseract
https://github.com/tesseract-ocr/tesseract/wiki