使用tesseract进行中文文字识别

简介
本文主要介绍如何通过tesseract进行文字识别，及其识别效果。
效果图
    图片  测试图    测试结果  
环境
ubuntu
python2.7
安装
tesseract
sudo apt-get install tesseract-ocr
安装tesseract tessdatahttps://github.com/tesseract-ocr/tessdata 下载对应语言文字学习数据，并保存到/usr/share/tesseract-ocr/tessdata 或 /usr/share/tessdata 位置
pyocr
sudo pip install pyocr
测试代码
demo.py
from PIL import Imageimport sysimport pyocrimport pyocr.buildersimport systools = pyocr.get_available_tools()if len(tools) == 0:    print("Not found OCR tool")    sys.exit(1)tool = tools[0]print("Will use tool: '%s'" % (tool.get_name()))langs = tool.get_available_languages()print("Available languages: '%s'" % ", ".join(langs))print("Will use lang '%s'" % ("chi_sim"))txt = tool.image_to_string(    Image.open('images/jjj.jpg'),    lang='chi_sim',    builder=pyocr.builders.TextBuilder(tesseract_layout=6))print(txt)
运行
python2 demo.py
评价
文字识别的精度有待提升。一些像素低的，如标点符号都不能很好的解析出来。有兴趣的同学可以深入研究一下。
本文涉及代码
https://github.com/cangyan/python-ocr
参考链接
https://qiita.com/it__ssei/items/fd804dcb10997566593b

查看原文：https://www.huuinn.com/archives/410
更多技术干货：风匀坊
关注公众号：风匀坊