tesseract-ocr一站式安装与使用

目录

前言

安装tesseract-ocr

添加环境变量

1、在path中添加

2、在系統變量中添加

3、验证是否添加成功

添加语言包

更多语言包下载

示例程序


前言

如果你遇到了:make sure the TESSDATA_PREFIX Failed loading language \‘chi_sim

那么就是语言包缺少这个!chi_sim!!!请看下面内容

首先,你得找一篇文章了解tesseract-ocr

Tesseract-OCR 是一个开源的光学字符识别引擎,可以用于从图像中提取文本信息。它最初由惠普实验室开发,后来被谷歌收购并开源。Tesseract 可以识别多种语言,并且在处理复杂的文档布局时表现良好。

Tesseract 使用的是深度学习和模式识别算法来识别图像中的字符,并将其转换成计算机可处理的文本数据。它支持多种操作系统,包括 Windows、Linux 和 macOS,并提供了多种编程语言的接口,比如 Python、Java 和 C++,使得开发者可以方便地集成到各种应用程序中进行文字识别。

Tesseract-OCR 被广泛应用于文档处理、图像识别、自动化办公、数字化档案等领域,为用户提供了快速、准确地从图像中提取文本的能力。

今天给同学跑项目,他的项目用到了tesseract-ocr

结果搞半天,百度出来的CSDN链接,下载那些包,还全部要钱,大无语...

总结:

1、直接开着梯子去GitHub下载最新版的【tesseract-ocr】
2、然后直接选择需要识别的语言类型(一般我们需要识别中文的,就选择一下中文就行了)


安装包+中文识别语言包,我都放在蓝奏云了,可以直接安装,然后跑demo

跟着下面教程内容走就行了

最后就可以直接跑demo了!

安装tesseract-ocr

Releases · UB-Mannheim/tesseract (github.com) 直接进去下载最新版即可

安装包——蓝奏云备份:

tesseract-ocr-w64-setup-5.3.3.20231005.zip - 蓝奏云文件大小:47.8 M|icon-default.png?t=N7T8https://wwm.lanzout.com/i8bPj1tzz21e

接下来一路ok就行了——就只有在语言下载那里,需要开梯子

需要开梯子

需要开梯子

需要开梯子

不然会下载语言包失败!!!

不然会下载语言包失败!!!

不然会下载语言包失败!!!

注意这里!!!

注意这里!!!

注意这里!!!

自己记着安装路径——以后要加环境变量

自己记着安装路径——以后要加环境变量

自己记着安装路径——以后要加环境变量

添加环境变量

1、在path中添加

 tesseract-ocr ——【找到自己的安装路径】

我的:D:\Tesseract-OCR

2、在系統變量中添加

变量名:TESSDATA_PREFIX

变量值:D:\Tesseract-OCR\tessdata

3、验证是否添加成功

打开cmd ->输入命令

tesseract -v

添加语言包

语言包下载

如果你没有梯子,在这里下载失败了,就可以单独下载语言包

如果你没有梯子,在这里下载失败了,就可以单独下载语言包

如果你没有梯子,在这里下载失败了,就可以单独下载语言包

蓝奏云备份(这里是中文语言包):

tessdata语言包-中文+英文.zip - 蓝奏云文件大小:7.4 M|icon-default.png?t=N7T8https://wwm.lanzout.com/iT9K41u00y2d把语言包——放在这里面就行了!!!

把语言包——放在这里面就行了!!!

把语言包——放在这里面就行了!!!

更多语言包下载

GitCode - 开发者的代码家园icon-default.png?t=N7T8https://gitcode.com/tesseract-ocr/tessdata/tree/main

示例程序

pip install Pillow pytesseract
from PIL import Image
import pytesseract

# 使用 pytesseract 进行文字识别,lang 参数指定识别语言为简体中文
text = pytesseract.image_to_string(Image.open(r'D:\333.png'),lang='chi_sim')
print(text)

其他

from PIL import Image
import pytesseract

# 设置 Tesseract 路径(根据你的安装路径修改)
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files (x86)\Tesseract-OCR\tesseract.exe"

# 打开图像文件
image_path = r'D:\333.png'
image = Image.open(image_path)

# 使用 pytesseract 进行文字识别,lang 参数指定识别语言为简体中文
text = pytesseract.image_to_string(image, lang='chi_sim')

# 打印识别结果
print(text)

猜你喜欢

转载自blog.csdn.net/Pan_peter/article/details/137408328