如何使用Python進行OCR識別圖片中的文字
朋友需要一個工具，將圖片中的文字提取出來。我?guī)退诰W(wǎng)上找了一些OCR的應用，都不好用。所以準備自己研究，寫一個Web APP供他使用。
OCR1，全稱Optical character recognition，或者optical character reader，中文譯名叫做光學文字識別。它是把圖像文件中的手寫文本，打印文本轉換為機器編碼文本的一種方法。
OCR技術廣泛用于識別打印紙張中的文字數(shù)據(jù) -- 比如護照，支票，銀行聲明，收據(jù)，統(tǒng)計表單，郵件等。OCR的早期版本，需要對圖片中的每個文字都進行訓練，一次只能作用于一種字體。高級的版本增加了很大的識別率，可以同時識別現(xiàn)在很多流行的字體，支持不同種類格式的圖片文件。一些系統(tǒng)可以生成接近于原來圖片格式的輸出，包括圖片，排版，以及其它非文本組件，這也叫做版面還原。
工具
Tesseract
現(xiàn)在最出名，最常用的OCR就是谷歌的tesseract OCR engine2。最新的版本是Tesseract4。Tesseract的主要開發(fā)者是Ray Smith3.
Tesseract支持unicode(UTF-8)，安裝后即可識別超過100種語言。
Tesseract支持不同的輸出可是：普通文本，hOCR(html)，PDF，TSV，invisible-text-only PDF。在master分支，還試驗性地支持ALTO(XML)格式。
請記住，在大多數(shù)情況下，為了獲得更好的OCR結果，你需要為提供給Tesseract的圖片提升質量4.
Tesseract可以通過訓練來識別其它語言和其它字體5.
另外，有很多第三方的Tesseract GUI應用。可以直接下載使用6。
pytesseract
Python-tesseract7(pytesseract)是Google Tesseract ORC引擎的封裝。首次commit的2014年。用這個庫，可以很方便地編寫腳本，可以用它來識別所有可以由PIL識別的圖片格式，包括jpeg, png, gif, bmp, tiff等， 而tesseract-orc本來只支持tiff和bmp兩種格式。
如果在腳本中使用，識別的文本可以輸出為Python字符串，而不是直接輸出到文件中。
另外，這個代碼庫只有一個文件，400行代碼。如果有任何疑問，可以直接翻看源代碼。
tesserocr
tesserocr8也是一個TesseractOCR的封裝庫。它的首次commit是2015年。
這個庫相對于pytesseract的優(yōu)勢在于9，這個庫是使用Cython來直接調用Tesseract的C++ API。使用它和threading模塊來處理圖片，可以釋放GIL，達到正常的并發(fā)執(zhí)行。
2.Github: tesseract OCR engine
3.Tesseract作者 Ray Smith，美國計算機科學家，計算機圖形學的先驅. 他的中文名字叫做匠白光. ↩
9.Hacknews: 關于pytesseract, tesserocr的區(qū)別
總結
以上所述是小編給大家介紹的如何使用Python進行OCR識別圖片中的文字，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
相關文章
在本篇文章里小編給大家整理的是關于python通過鏈接抓取網(wǎng)站的詳細方法和知識點，需要的朋友們學習下。2019-11-11
selenium3+python3環(huán)境搭建教程圖解
這篇文章主要介紹了selenium3+python3環(huán)境搭建教程圖解,需要的朋友可以參考下2018-12-12
這篇文章主要介紹了django admin 后臺添加導出excel功能示例代碼，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-05-05
這篇文章主要介紹了Python實現(xiàn)從url中提取域名的幾種方法,本文給出了3種方法實現(xiàn)在URL中提取域名的需求,需要的朋友可以參考下2014-09-09
這篇文章主要給大家介紹了關于Pytorch中view函數(shù)的相關資料,PyTorch中的.view()函數(shù)是一個用于改變張量形狀的方法,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2023-09-09
python對站點數(shù)據(jù)做EOF且做插值繪制填色圖
這篇文章主要介紹了python對站點數(shù)據(jù)做EOF且做插值繪制填色圖，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，，需要的小伙伴可以參考一下2022-09-09
uuid通過Python標準庫的uuid模塊生成通用唯一ID（或“UUID”）的一種快速簡便的方法,下面這篇文章主要給大家介紹了關于Python標準庫uuid模塊(生成唯一標識)?的相關資料,需要的朋友可以參考下2022-05-05
甘特圖已經(jīng)發(fā)展成項目規(guī)劃和跟蹤的必備工具，本文主要介紹了Python使用Matplotlib繪制甘特圖的實踐，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-12-12
這篇文章主要介紹了Python datetime包函數(shù)簡單介紹,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Pytorch 如何訓練網(wǎng)絡時調整學習率的操作，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05