Tesseract Ocr文字识别实战（新版本，扩展手写文字识别）

目录

1.Tesseract Ocr文字识别

1.1 运行环境

1.2 python模块

1.3 配置tesseract运行文件

1.4 代码识别

2. 手写汉字识别

2.1 下载库

2.2 代码

---

1.Tesseract Ocr文字识别

前半部分原github地址：faceai/tesseractOCR.md at master · vipstone/faceai · GitHub

1.1 运行环境

windows10 + python 3.9 + tesseract 5.2.0

https://github.com/UB-Mannheim/tesseract/wiki一、安装tesseract orc

下载地址：https://github.com/UB-Mannheim/tesseract/wiki 

点击“tesseract-ocr-w64-setup-v5.2.0.20220712.exe”下载安装。 

安装的时候注意选择中文包

本人安装目录："D:\APP\OCR"

1.2 python模块

matplotlib==3.6.0

numpy==1.23.3

scipy==1.9.1

pywavelets==1.4.1

1.3 配置tesseract运行文件

D:\anaconda\envs\ocr_lhy\Lib\site-packages\pytesseract\pytesseract.py 找到文件：

tesseract_cmd = 'tesseract'

修改为（注意'\\'）：

tesseract_cmd = "D:\APP\OCR\\tesseract.exe"

1.4 代码识别

from PIL import Image
import pytesseract

path = "image\\img.png"

text = pytesseract.image_to_string(Image.open(path), lang='eng')
print(text)

 lang='eng'表示英文识别，效果如下：

（被识别图源于网络）

 中文用 lang= ‘chi_sim’,识别效果如下：

 

 “聒” 识别成了 “联”，识别效果还可以

2. 手写汉字识别

OCR还可以通过MINIST数据库，做手写文字识别

以下部分参考，代码有更改https://blog.csdn.net/qq_43006184/article/details/121604452?spm=1001.2101.3001.6650.6&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7ERate-6-121604452-blog-90744871.topnsimilarv1&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7ERate-6-121604452-blog-90744871.topnsimilarv1&utm_relevant_index=13

2.1 下载库

（opencv要注意对应numpy的版本，我用的是1.23.3）

tensorflow==2.10.0

第二个代码要用：

opencv==4.5.5.64

opencv-python==4.5.5.64

下载opencv参考https://blog.csdn.net/qq_43605229/article/details/114572661

2.2 代码

代码如下：

import os
import cv2
import numpy as np
import tensorflow as tf2
import matplotlib.pyplot as plt
import tensorflow.compat.v1 as tf

def nextBatch(data,batch_size,n):#小批量梯度下降法获取当前数据集函数
    #data为全部数据[X,Y],batch_size为当前子数据集大小,n为第n个子数据集
    a=n*batch_size
    b=(n+1)*batch_size
    limdata=len(data[0])
    if b>limdata:
        b=limdata
        a=b-batch_size
    data_x=data[0][a:b]
    data_y=data[1][a:b]
    return data_x,data_y

def main_train():
    (x_tr0,y_tr0),(x_te0,y_te0)=tf2.keras.datasets.mnist.load_data()#手写数据库
    y_tr=np.zeros((len(y_tr0),10))
    y_te=np.zeros((len(y_te0),10))
    for i in range(len(y_tr0)):
        y_tr[i][y_tr0[i]]=1
    for i in range(len(y_te0)):
        y_te[i][y_te0[i]]=1
    x_tr=x_tr0.reshape(-1,28,28,1)
    x_te=x_te0.reshape(-1,28,28,1)
    training_epochs=100#训练步数
    batch_count=20#小批量训练子集数量
    L=32#卷积层1所提取特征个数
    M=64#卷积层2所提取特征个数
    N=128#卷积层3所提取特征个数
    O=625#全连接就层神经元数
    with tf.device('/cpu:0'):
    # with tf.device('/gpu:0'):
        Xin=tf.placeholder(tf.float32,[None,28,28,1],name='Xin')#28×28维输入特征
        Yout=tf.placeholder(tf.float32,[None,10],name="Yout")#10类分类结果标签
        W1=tf.Variable(tf.random_normal([3,3,1,L],stddev=0.01))#卷积层1的卷积核权值张量，卷积核大小3×3，输入数据为1通道，输出特征为32通道
        W2=tf.Variable(tf.random_normal([3,3,L,M],stddev=0.01))#卷积层2的卷积核权值张量，卷积核大小3×3，输入数据为32通道，输出特征为64通道
        W3=tf.Variable(tf.random_normal([3,3,M,N],stddev=0.01))#卷积层3的卷积核权值张量，卷积核大小3×3，输入数据为64通道，输出特征为128通道
        W4=tf.Variable(tf.random_normal([N*4*4,O],stddev=0.01))#全连接层权值张量，输入数据为128×4×4个，输出为625个,这里需要把上一层的高维张量扁平化
        W5=tf.Variable(tf.random_normal([O,10],stddev=0.01))#输出层权值张量，输入数据为625，输出为10类
        b1=tf.Variable(tf.random_normal([L],stddev=0.01))#卷积层1的输出特征阈值，输出特征为32通道，每个通道共享一个阈值
        b2=tf.Variable(tf.random_normal([M],stddev=0.01))#卷积层2的输出特征阈值，输出特征为64通道，每个通道共享一个阈值
        b3=tf.Variable(tf.random_normal([N],stddev=0.01))#卷积层3的输出特征阈值，输出特征为128通道，每个通道共享一个阈值
        b4=tf.Variable(tf.random_normal([O],stddev=0.01))#全连接层阈值
        b5=tf.Variable(tf.random_normal([10],stddev=0.01))#输出层阈值
        '''卷积层一'''
        conv1a=tf.nn.conv2d(Xin,W1,strides=[1,1,1,1],padding='SAME')
        conv1b=tf.nn.bias_add(conv1a,b1)
        conv1c=tf.nn.relu(conv1b)
        '''池化层一'''
        conv1=tf.nn.max_pool(conv1c,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
        '''卷积层二'''
        conv2a=tf.nn.conv2d(conv1,W2,strides=[1,1,1,1],padding='SAME')
        conv2b=tf.nn.bias_add(conv2a,b2)
        conv2c=tf.nn.relu(conv2b)
        '''池化层二'''
        conv2=tf.nn.max_pool(conv2c,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
        '''卷积层三'''
        conv3a=tf.nn.conv2d(conv2,W3,strides=[1,1,1,1],padding='SAME')
        conv3b=tf.nn.bias_add(conv3a,b3)
        conv3c=tf.nn.relu(conv3b)
        '''池化层三'''
        conv3d=tf.nn.max_pool(conv3c,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME')
        conv3=tf.reshape(conv3d,[-1,W4.get_shape().as_list()[0]])#扁平化
        '''全连接层'''
        FCa=tf.matmul(conv3,W4)+b4
        FC=tf.nn.relu(FCa)
        '''输出层'''
        Y_=tf.matmul(FC,W5)+b5
        Y=tf.nn.softmax(Y_,name="output")#经历softmax分类激活函数后的数值
        '''损失'''
        cross_entropy=tf.nn.softmax_cross_entropy_with_logits(logits=Y_, labels=Yout)
        loss=tf.reduce_mean(cross_entropy)*100#交叉损失
        correct_prediction=tf.equal(tf.argmax(Y,1),tf.argmax(Yout,1))
        accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32),name='accuracy')#正确率
        '''优化器'''
        trainer=tf.train.RMSPropOptimizer(learning_rate=0.001,momentum=0.9).minimize(loss)
        init=tf.global_variables_initializer()#变量初始化赋值器
    with tf.Session() as sess:
        sess.run(init)#变量初始化
        out_init=sess.run(accuracy,feed_dict={Xin:x_tr[0:20000],Yout:y_tr[0:20000]})#计算初始误差
        print("初始准确率为:{:.4f}%".format(out_init*100))#输出初始误差
        for epoch in range(training_epochs):#训练步数
            print("当前训练步为第{}步".format(epoch+1))
            batch_size=int(len(y_tr)/batch_count)#当前子集大小
            for i in range(batch_count):#对每个子集遍历训练
                batch_x,batch_y=nextBatch([x_tr[0:20000],y_tr[0:20000]],batch_size,i)#当前子集的训练集特征和标签数据
                sess.run(trainer,feed_dict={Xin:batch_x,Yout:batch_y})
            out=sess.run(accuracy,feed_dict={Xin:x_tr[0:20000],Yout:y_tr[0:20000]})#计算当前误差
            print("当前准确率为:{:.4f}%".format(out*100))#当前初始误差
            '''当前会话存储'''
            if out>out_init:
                out_init=out
                saver=tf.train.Saver()
                saver.save(sess,r".\savefile\CNN\FigureCNN.ckpt")
    return

def main_test():
    (x_tr0,y_tr0),(x_te0,y_te0)=tf2.keras.datasets.mnist.load_data()#手写数据库
    y_tr=np.zeros((len(y_tr0),10))
    y_te=np.zeros((len(y_te0),10))
    for i in range(len(y_tr0)):
        y_tr[i][y_tr0[i]]=1
    for i in range(len(y_te0)):
        y_te[i][y_te0[i]]=1
    x_tr=x_tr0.reshape(-1,28,28,1)
    x_te=x_te0.reshape(-1,28,28,1)
    road=[r".\savefile\CNN\FigureCNN.ckpt.meta",r".\savefile\CNN\FigureCNN.ckpt"]
    sess=tf.InteractiveSession()
    new_saver=tf.train.import_meta_graph(road[0])
    new_saver.restore(sess,road[1])
    tf.get_default_graph().as_graph_def()
    Xin=sess.graph.get_tensor_by_name('Xin:0')
    Yout=sess.graph.get_tensor_by_name("Yout:0")
    accuracy=sess.graph.get_tensor_by_name('accuracy:0')
    Y=sess.graph.get_tensor_by_name('output:0')

    roadpic='./image/one.jpeg' # './image/eight.jpeg' # 手写数字文件，大小28x28像素
    pic=cv2.imread(roadpic,flags=0)
    pic1=255-pic # 因为MINIST数据库是黑底白字，我用的是白底黑字
    # pic1 = cv2.resize(pic1,(28,28))
    pic=pic1.reshape(-1,28,28,1)
    Otem=sess.run(Y,feed_dict={Xin:pic})
    print('南笙手写的数字为:{}'.format(Otem.argmax()))

    return

if __name__=="__main__":
    tf.disable_v2_behavior()
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
    # 如果已经生成模型，可以注释掉main_train()函数
    main_train()
    main_test()

其中，main_train()函数用于训练模型，

截取部分运行结果，最高的成功率大概为99.21%（当然每次运行结果会有不一样）：

main_test()函数用于识别自己的手写数字，需要注意几点：

① MINIST数据集是黑底白字，我用的是白底黑字，所以要有 pic1=255-pic 的操作。

② 图片是经过我预先处理成28x28像素大小的，不然会报错。（也可以通过代码处理成28x28大小的）

自己的手写字体识别效果（图片预处理成28x28的大小）：