python 制作图片文字识别(如何使用Python进行OCR识别图片中的文字)
python 制作图片文字识别
如何使用Python进行OCR识别图片中的文字目录
- Tesseract
- pytesseract
- tesserocr
朋友需要一个工具,将图片中的文字提取出来。我帮他在网上找了一些OCR的应用,都不好用。所以准备自己研究,写一个Web APP供他使用。
OCR1,全称Optical character recognition,或者optical character reader,中文译名叫做光学文字识别。它是把图像文件中的手写文本,打印文本转换为机器编码文本的一种方法。
OCR技术广泛用于识别打印纸张中的文字数据 -- 比如护照,支票,银行声明,收据,统计表单,邮件等。OCR的早期版本,需要对图片中的每个文字都进行训练,一次只能作用于一种字体。高级的版本增加了很大的识别率,可以同时识别现在很多流行的字体,支持不同种类格式的图片文件。一些系统可以生成接近于原来图片格式的输出,包括图片,排版,以及其它非文本组件,这也叫做版面还原。
工具
Tesseract
现在最出名,最常用的OCR就是谷歌的tesseract OCR engine2。最新的版本是Tesseract4。Tesseract的主要开发者是Ray Smith3.
Tesseract支持unicode(UTF-8),安装后即可识别超过100种语言。
Tesseract支持不同的输出可是:普通文本,hOCR(html),PDF,TSV,invisible-text-only PDF。在master分支,还试验性地支持ALTO(XML)格式。
请记住,在大多数情况下,为了获得更好的OCR结果,你需要为提供给Tesseract的图片提升质量4.
Tesseract可以通过训练来识别其它语言和其它字体5.
另外,有很多第三方的Tesseract GUI应用。可以直接下载使用6。
pytesseract
Python-tesseract7(pytesseract)是Google Tesseract ORC引擎的封装。首次commit的2014年。用这个库,可以很方便地编写脚本,可以用它来识别所有可以由PIL识别的图片格式,包括jpeg, png, gif, bmp, tiff等, 而tesseract-orc本来只支持tiff和bmp两种格式。
如果在脚本中使用,识别的文本可以输出为Python字符串,而不是直接输出到文件中。
另外,这个代码库只有一个文件,400行代码。如果有任何疑问,可以直接翻看源代码。
tesserocr
tesserocr8也是一个TesseractOCR的封装库。它的首次commit是2015年。
这个库相对于pytesseract的优势在于9,这个库是使用Cython来直接调用Tesseract的C++ API。使用它和threading模块来处理图片,可以释放GIL,达到正常的并发执行。
1.Wiki: OCR
2.Github: tesseract OCR engine
3.Tesseract作者 Ray Smith,美国计算机科学家,计算机图形学的先驱. 他的中文名字叫做匠白光. ↩
4.Wiki: 为Tesseract提升图片质量
5.Wiki: 训练Tesseract
6.Tesseract第三方GUI应用列表
7.Github: Python-tesseract
8.Github: tesserocr
9.Hacknews: 关于pytesseract, tesserocr的区别
总结
以上所述是小编给大家介绍的如何使用Python进行OCR识别图片中的文字,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持!
原文链接:https://www.cnblogs.com/thomaszdxsn/archive/2019/04/01/shi-yongPython-jin-xingOCR-shi-bie-tu-pian-zhong-d.html
- pythoncsv格式转换(Python把对应格式的csv文件转换成字典类型存储脚本的方法)
- python排序方法简单(快速排序的四种python实现推荐)
- python群聊提示(python-itchat 统计微信群、好友数量,及原始消息数据的实例)
- python获取系统的utc时间(Python的UTC时间转换讲解)
- python矩阵怎么生成(python实现矩阵打印)
- python面向对象练习方法(Python面向对象实现一个对象调用另一个对象操作示例)
- python转pdf教程(Python实现将HTML转成PDF的方法分析)
- python合并多个excel可以刷新吗(python 实现读取一个excel多个sheet表并合并的方法)
- python提取字符串中的正则表达式(python3正则提取字符串里的中文实例)
- python字典的key(Python使用dict.fromkeys快速生成一个字典示例)
- pythonpandas提取列索引(Python3.5 Pandas模块缺失值处理和层次索引实例详解)
- 如何用python在微信里自动回复(Python实现微信自动好友验证,自动回复,发送群聊链接方法)
- python中numpy常用函数(使用Python的SymPy库解决数学运算问题的方法)
- 浅谈Python3中strip()、lstrip()、rstrip()用法详解(浅谈Python3中strip、lstrip、rstrip用法详解)
- python入门知识点总结(深入解析Python小白学习操作列表)
- python基础编程函数参数(详解Python 函数如何重载?)
- 8月再见 9月你好(8月再见)
- 魔兽世界 设计师爆料,原始版本并无PVP,跨阵营属于返璞归真(魔兽世界设计师爆料)
- 吐槽完《弧光大作战》之后,我们和设计师聊了聊魔兽首款手游的立项初衷和未来(吐槽完弧光大作战之后)
- 魔兽争霸3自定义战役少年杰雷 2(魔兽争霸3自定义战役少年杰雷)
- 今日菜价 芥兰涨幅最高 1.33 ,花菜降幅最高 3.10(今日菜价芥兰涨幅最高)
- 今日菜价 椰菜涨幅最高 3.25 ,水空心菜降幅最高 2.58(今日菜价椰菜涨幅最高)
热门推荐
- dedecms5.7使用教程(dedecms v5.7提示php.ini register_globals must is Off错误的解决方法)
- thinkphp支付宝支付(thinkPHP和onethink微信支付插件分享)
- python如何解压加密zip文件(python读取有密码的zip压缩文件实例)
- 比较好用的安装包制作工具 Advanced Installer
- win7iis服务器的安装与配置(用IIS建立高安全性Web服务器的方法)
- linux内核从原理到代码详解(探究一个LED如何入门Linux内核)
- mysql清空数据库所有表格(MySQL用truncate命令快速清空一个数据库中的所有表)
- html em标签
- html5文档的基本结构及必要的注释(关于HTML5+ API plusready的兼容问题)
- dedecms的自由列表管理(dedecms TAG标签列表分页链接优化方法)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9