資訊專欄INFORMATION COLUMN
摘要：與介紹將圖片翻譯成文字一般被稱為光學(xué)文字識(shí)別，。是目前公認(rèn)最優(yōu)秀最精確的開(kāi)源系統(tǒng)。我們以圖片為例輸入命令識(shí)別結(jié)果如下只識(shí)別錯(cuò)了一個(gè)字，識(shí)別率還是不錯(cuò)的。最后加一句，對(duì)于彩色圖片的識(shí)別效果沒(méi)有黑白圖片的效果好。
OCR與Tesseract介紹
??將圖片翻譯成文字一般被稱為光學(xué)文字識(shí)別（Optical Character Recognition，OCR）。可以實(shí)現(xiàn)OCR 的底層庫(kù)并不多，目前很多庫(kù)都是使用共同的幾個(gè)底層OCR 庫(kù)，或者是在上面進(jìn)行定制。
??Tesseract 是一個(gè)OCR 庫(kù)，目前由Google 贊助（Google 也是一家以O(shè)CR 和機(jī)器學(xué)習(xí)技術(shù)聞名于世的公司）。Tesseract 是目前公認(rèn)最優(yōu)秀、最精確的開(kāi)源OCR 系統(tǒng)。
??除了極高的精確度，Tesseract 也具有很高的靈活性。它可以通過(guò)訓(xùn)練識(shí)別出任何字體（只要這些字體的風(fēng)格保持不變就可以），也可以識(shí)別出任何Unicode 字符。
??Tesseract的Windows安裝包下載地址為： http://digi.bib.uni-mannheim.... ，下載后雙擊直接安裝即可。安裝完后，需要將Tesseract添加到系統(tǒng)變量中。在CMD中輸入tesseract -v, 如顯示以下界面，則表示Tesseract安裝完成且添加到系統(tǒng)變量中。
??Linux 用戶可以通過(guò)apt-get 安裝：
$sudo apt-get tesseract-ocr
??用Tesseract可以識(shí)別格式規(guī)范的文字，主要具有以下特點(diǎn)：
? 使用一個(gè)標(biāo)準(zhǔn)字體（不包含手寫(xiě)體、草書(shū)，或者十分“花哨的”字體）
? 雖然被復(fù)印或拍照，字體還是很清晰，沒(méi)有多余的痕跡或污點(diǎn)
? 排列整齊，沒(méi)有歪歪斜斜的字
? 沒(méi)有超出圖片范圍，也沒(méi)有殘缺不全，或緊緊貼在圖片的邊緣
??下面將給出幾個(gè)tesseract識(shí)別圖片中文字的例子。
??首先是E://figures/other/poems.jpg, 輸入命令 tesseract E://figures/other/poems.jpg E://figures/other/poems.txt， 則會(huì)將poems.jpg中的識(shí)別文字寫(xiě)入到poems.txt中，如下圖：
??接著是稍微有點(diǎn)傾斜的文字圖片th.jpg,識(shí)別情況如下：
可以看到識(shí)別的情況不如剛才規(guī)范字體的好，但是也能識(shí)別圖片中的大部分字母。
??最后是識(shí)別簡(jiǎn)體中文，需要事先安裝簡(jiǎn)體中文語(yǔ)言包，下載地址為：https://github.com/tesseract-... ,再講chi_sim.traineddata放在C:Program Files (x86)Tesseract-OCRtessdata目錄下。我們以圖片timg.jpg為例：
輸入命令：
tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim
識(shí)別結(jié)果如下：
只識(shí)別錯(cuò)了一個(gè)字，識(shí)別率還是不錯(cuò)的。
??最后加一句，Tesseract對(duì)于彩色圖片的識(shí)別效果沒(méi)有黑白圖片的效果好。
??pytesseract是Tesseract關(guān)于Python的接口，可以使用pip install pytesseract安裝。安裝完后，就可以使用Python調(diào)用Tesseract了，不過(guò)，你還需要一個(gè)Python的圖片處理模塊，可以安裝pillow.
??輸入以下代碼，可以實(shí)現(xiàn)同上述Tesseract命令一樣的效果：
import pytesseract
from PIL import Image
pytesseract.pytesseract.tesseract_cmd = "C://Program Files (x86)/Tesseract-OCR/tesseract.exe"
text = pytesseract.image_to_string(Image.open("E://figures/other/poems.jpg"))
print(text)
運(yùn)行結(jié)果如下：
Python網(wǎng)絡(luò)數(shù)據(jù)采集 【美】 Ryan Mitchell 人民郵電出版社
https://blog.csdn.net/dcrmg/a...
http://www.inimei.cn/archives...
注意：本人現(xiàn)已開(kāi)通微信公眾號(hào)：Python爬蟲(chóng)與算法（微信號(hào)為：easy_web_scrape）， 歡迎大家關(guān)注哦~~
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://specialneedsforspecialkids.com/yun/41838.html
摘要：一個(gè)簡(jiǎn)單的圖片轉(zhuǎn)文字的函數(shù)實(shí)現(xiàn)如下。百度云這是偶然的發(fā)現(xiàn)，百度云提供了一定額度的免費(fèi)的，目前是每日次，做做研究或者小應(yīng)用還勉強(qiáng)夠用，本文主要為了測(cè)試其效果。論中文，還是百度比谷歌更懂一點(diǎn)。 當(dāng)今時(shí)代人工智能都已經(jīng)是爛大街的詞了，OCR應(yīng)該也很多人都知道。 OCR （Optical Character Recognition，光學(xué)字符識(shí)別）是指電子設(shè)備（例如掃描儀或數(shù)碼相機(jī)）檢查紙上打印...
摘要：在上一篇博客圖像處理之圖片文字識(shí)別中我們介紹了在中如何利用軟件來(lái)識(shí)別圖片中的英文與中文，本文將具體介紹如何在中利用軟件來(lái)識(shí)別驗(yàn)證碼數(shù)字加字母。 ??在上一篇博客Python圖像處理之圖片文字識(shí)別（OCR）中我們介紹了在Python中如何利用Tesseract軟件來(lái)識(shí)別圖片中的英文與中文，本文將具體介紹如何在Python中利用Tesseract軟件來(lái)識(shí)別驗(yàn)證碼（數(shù)字加字母）。??我們?cè)诰W(wǎng)...
摘要：我們的生活中，機(jī)器學(xué)習(xí)已經(jīng)越來(lái)越多的扮演著重要角色，也不再是神秘的東西。本文主要是介紹一個(gè)博主使用的比較好的開(kāi)源項(xiàng)目，在這里分享給大家。項(xiàng)目使用先把項(xiàng)目從上下來(lái)，慢慢分析。顯示結(jié)果部分會(huì)將識(shí)別的文字用框標(biāo)出來(lái)，并且展示識(shí)別的結(jié)果。 目錄 前言 項(xiàng)目使用 項(xiàng)目結(jié)構(gòu) 環(huán)境部署 測(cè)試代碼 參數(shù)補(bǔ)...
閱讀 2815·2023-04-25 15:01
閱讀 3044·2021-11-23 10:07
閱讀 3362·2021-10-12 10:12
閱讀 3452·2021-08-30 09:45
閱讀 2191·2021-08-20 09:36
閱讀 3583·2019-08-30 12:59
閱讀 2429·2019-08-26 13:52
閱讀 931·2019-08-26 13:24
