python:文字识别 （转自 新浪博客 恬月园）

（一）使用pytesser

1、下载安装pil

下载 ： http://www.pythonware.com/products/pil/

执行安装文件

2、下载安装pytesser

下载:http://code.google.com/p/pytesser/

解压，“...\pytesser”， 设置环境变量PYTHONPATH，添加“...\pytesser”

3、程序执行

import os 

import pytesser

os.chdir("E:/software/python/pytesser")

pytesser.image_file_to_string('c:/check.bmp')

参考:http://code.google.com/p/pytesser/

说明： 该项目似乎只是"tesseract-ocr"一个ptyhon封装的外壳，并且此项目似乎还一直停留在0.01版没有更新,而且该外壳似乎还存在比较严重的bug,更深入的解决方案应该是参考"tesseract-ocr" 参考 http://code.google.com/p/tesseract-ocr/。

4、改进程序只能在当前目录下调用的问题

在目录下新增一个文件 mypytesser.py 文件

import os

import pytesser

def image_file_to_string(file):

    cwd = os.getcwd()

    try :

        os.chdir("E:\software\python\pytesser")

        return pytesser.image_file_to_string(file)

    finally:

        os.chdir(cwd)

在命令航使用一下命令进行图片解析

import mypytesser

print mypytesser.image_file_to_string("c:/check.bmp");

(二)自己编写代码来实现

http://blog.feshine.net/technology/1163.html

（三）tesseract-ocr基础

1、基本操作

cmd>tesseract c:\check1.bmp c:\check1

在tesseract.log可以看见程序反馈，但可以了解的信息不多，需要深入了解tesseract项目。

2、极容易出现的问题是，图像文件打开会报错，需要将图像文件的dpi改为200*200，可以用python代码解决：

python>>>import Image

python>>>image = Image.open(r”c:\check.bmp”)

python>>>image.save(r”c:\check1.bmp”, dpi=(200,200))