文章目录

前言一、pytesseract1.pytesseract是什么？2.安装pytesseract3.查看pytesseract版本4.安装PIL5.查看PIL版本

二、Tesseract OCR1.Tesseract OCR是什么？2.安装Tesseract OCR3.安装 Tesseract OCR 语言包

三、使用方法1.引入库2.打开图片文件3.使用Tesseract进行文字识别4.输出识别结果

总结

前言

大家好，我是空空star，本篇给大家分享一下通过Python的pytesseract库识别图片中的文字。

本篇所用软件相关版本：

macOS 11.6.5

Python 3.8.9

pytesseract 0.3.10

Pillow 9.4.0

一、pytesseract

1.pytesseract是什么？

Pytesseract是一个Python的OCR库，它可以识别图片中的文本并将其转换成文本形式。Pytesseract基于Google的Tesseract OCR引擎，具有较高的准确性和可靠性。它可以读取多种格式的图片，包括PNG、JPEG、GIF等。Pytesseract可以应用于自然语言处理、数据挖掘、OCR识别等领域。

2.安装pytesseract

<code>pip install pytesseract

3.查看pytesseract版本

pip show pytesseract

Name: pytesseract

Version: 0.3.10

Summary: Python-tesseract is a python wrapper for Google’s Tesseract-OCR

Home-page: https://github.com/madmaze/pytesseract

Author: Samuel Hoffstaetter

Author-email: samuel@hoffstaetter.com

License: Apache License 2.0

Requires: packaging, Pillow

Required-by:

4.安装PIL

Pillow库是Python图像处理库，pytesseract使用它来处理图像。

pip install pillow

5.查看PIL版本

pip show pillow

Name: Pillow

Version: 9.4.0

Summary: Python Imaging Library (Fork)

Home-page: https://python-pillow.org

Author: Alex Clark (PIL Fork Author)

Author-email: aclark@python-pillow.org

License: HPND

Requires:

Required-by: image, imageio, matplotlib, pytesseract, wordcloud

二、Tesseract OCR

1.Tesseract OCR是什么？

Tesseract OCR是一种开源的OCR（Optical Character Recognition，光学字符识别）引擎，它能够将图像中的文本内容识别并转换为可编辑的文本格式。它最初由惠普实验室开发，现在由谷歌维护和更新。Tesseract OCR支持超过100种语言，包括中文、英文、法文、德文等。它可以在多种操作系统上运行，包括Windows、Linux、macOS等。Tesseract OCR被广泛应用于数字化文档、自动化数据输入、智能搜索等方面。

2.安装Tesseract OCR

macOS下：

brew install tesseract

3.安装 Tesseract OCR 语言包

macOS下：

brew install tesseract-lang

三、使用方法

1.引入库

import pytesseract

from PIL import Image

2.打开图片文件

img = Image.open("demo.png")

3.使用Tesseract进行文字识别

text = pytesseract.image_to_string(img, lang='chi_sim')code>

4.输出识别结果

<code>image_to_string是一个Python函数，它是由tesseract OCR引擎提供的。这个函数的作用是将一个图像中的文本转换成字符串，也就是把图像中的文字识别出来，并把它们转换成计算机可以处理的字符串格式。这个函数可以接受多种格式的图像，例如JPEG、PNG、BMP等。在使用这个函数前，需要确保已经安装了tesseract OCR引擎。