Python文字识别之tesseract-ocr和EasyOCR

Python文字识别之tesseract-ocr和EasyOCR

 

本文主要是将手机拍摄的图片文字通过Python OCR转换成Word文件，并尝试通过tesseract-ocr和EasyOCR两种方式进行图片文字识别，展示两种方式的文字识别效果，为小伙伴在选择tesseract-ocr或EasyOCR识别图片文字时提供参考。本人所使用的环境windows,所以本文涉及到的安装、编程都是在Windows下进行的。

一、tesseract-ocr图片文字识别

1、tesseract-ocr 在Windows下的安装

    1）安装两个python模块

       pip install pytesseract

       pip install pillow

     2）下载tesseract-ocr，安装、配置、下载语音包。

      tesseract-ocr下载地址为：

       Home · UB-Mannheim/tesseract Wiki · GitHub

下载完成后双击点.exe 文件，安装到相应目录下，我本安装到D:\Program Files\目录下。

安装完成以后配置环境变量，在计算机-->属性-->高级系统设置-->环境变量-->系统变量path中添加D:\Program Files\Tesseract-OCR;

Tesseract默认是不支持中文的，如果想要识别中文或者其它语言需要下载相应的语言包，中文语言包为：chi_sim.traineddata，下载地址为：https://github.com/tesseract-ocr/tessdata_best

 

若无法下载，请到本人csdn账号的资源下下载。

下载完成后将chi_sim.traineddata放到D:\Program Files\Tesseract-OCR\tessdata目录下即可。

2、示例图片

     本文示例图片如下：

3、程序

程序如下：

import pytesseract

from PIL import  Image

import  os

def test_tesseract():

    # 文字图片路径

    path=r'E:\test\test.jpg'

    im=Image.open(path)

    # 文字识别

    str1=pytesseract.image_to_string(im,lang='chi_sim')

    print("str1===",str1)

    # 将文字输出到word文件中

    f = open('test1.doc', 'w+', encoding='utf-8')

    f.write(str1 + '\n')

    f.close()

4、运行结果

二、EasyOCR图片文字识别

1、安装EasyOCR 、文本检测模型、识别模型(语言包)

1）安装EasyOCR

通过pip install easyocr

也可以下载easyocr-1.5.0-py3-none-any.whl，

通过pip install easyocr-1.5.0-py3-none-any.whl  安装

 easyocr-1.5.0-py3-none-any.whl 下载地址为：easyocr · PyPI

 

2）下载文本检测模型

文本检查模型craft_mlt_25k，下载地址为：

Jaided AI: EasyOCR model hub

   3）下载中文和英文识别模型

     英文识别模型：english_g2,中文识别包：zh_sim_g2

     下载地址：https://www.jaided.ai/easyocr/modelhub/

以上地址若无法下载，请到本人csdn的资源下下载。

将craft_mlt_25k.pth,english_g2.pth,zh_sim_g2.pth 放在C:\Users\Administrator\.EasyOCR\model 目录下，安装成功。

2、图片示例

3、程序

import easyocr

import os

def test_easyocr():

    # 文字图片路径

    path = r'E:\test\test.jpg'

    # 创建reader

    reader=easyocr.Reader(['ch_sim', 'en'])

    # 读取图片

    result=reader.readtext(path)

    # 打印结果

    print("result===",result)

    # 将结果输出到word文件中

    f = open('test2.doc', 'w+', encoding='utf-8')

    for i in result:

        word=i[1]

        f.write(word + '\n')

    f.close()

4、运行结果

 本人又试了一些其它文字图片转成word,有些情况下tesseract-ocr识别情况好些，有些情况下EasyOCR识别的度更高一些，如果想要得到识别度更高的结果还需要对tesseract-ocr和EasyOCR进行训练。