python四行代码进行OCR字符识别

短命女 2023-06-11 03:24 13阅读 0赞

对OCR字符识别进行初步研究，发现Google有OCR的识别库，于是尝试测试一下。  
      OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程，对应图形验证码来说，它们都是一些不规则的字符，这些字符是由字符稍加扭曲变换得到的内容，我们可以使用OCR技术来讲其转化为电子文本，然后将结果提取交给服务器，便可以达到自动识别验证码的过程。  
      pytesseract是Python的一个OCR识别库，但其实是对tesseract做的一层Python API封装，pytesseract是Google的Tesseract-OCR引擎包装器；所以它们的核心是tesseract,因此在安装tesserocr之前，我们需要先安装tesseract。

\#安装tesseract

sudo apt-get install -y tesseract-ocr libtesseract-dev libleptonica-dev

\#安装pytesseract

pip install pytesseract

测试图片（字符较大或较小时均能测试成功，但有其他干扰时可能检测不到）：  
                                                              ![在这里插入图片描述][20191028221458524.png]  
**识别代码：**

import pytesseract
    import cv2
    
    img = cv2.imread('test.jpg')
    print(pytesseract.image_to_string(img))

**识别结果为：**  
YT68EK

此外，不用opencv读图片，用PIL库也可以：

import pytesseract
    from PIL import Image
    
    image = Image.open('test.jpg')
    print(pytesseract.image_to_string(image))

参考连接：

*  [tesseract github][]
 *  [python3光学字符识别模块tesserocr与pytesseract][python3_tesserocr_pytesseract]

[20191028221458524.png]: /images/20230531/829ace3debc94fcfbb2384c4709d1a1a.png
[tesseract github]: https://github.com/tesseract-ocr/tesseract
[python3_tesserocr_pytesseract]: https://www.cnblogs.com/zhangxinqi/p/9297292.html