Windows安装TesseractOCR与Python中使用pytesseract进行文字识别

见贤思齐

文章目录前言一、下载并安装TesseractOCR二、配置环境变量三、Python中安装使用pytesseract总结前言TesseractOCR是一个开源OCR（OpticalCharacterRecognition）引擎，用于从图像中提取文本。Pytesseract是TesseractOCR的Python封装，它使得在Python中使用TesseractOCR引擎变得容易。Pytesseract提供了简单的API，帮助开发者轻松地使用TesseractOCR引擎来实现图像中文本的识别。本文主要介绍了Windows下安装TesseractOCR、并在Python中使用pytesseract进行本地文字识别的流程。一、下载并安装TesseractOCR在TesseractOCR下载地址https://digi.bib.uni-mannheim.de/tesseract/下载合适的版本安装包，如下：点击安装包进行安装：语言选择英文：如果需要识别中文，则可以在安装过程中勾选下载中文语言包和脚本（也可以按需选择繁体）：自定义安装路径：然后一直选择默认选项进行安装即可。二、配置环境变量为了方便使用Tesseract，需要将软件安装目录添加到系统环境变量中，这样不必每次执行命令时都切换到Tesseract的安装路径，如下：设置确定后之后，可以进行验证，打开CMD，输入tesseract--version，示意如下：C:\Users\LENOVO>tesseract--versiontesseractv5.3.0.20221214leptonica-1.78.0libgif5.1.4:libjpeg8d(libjpeg-turbo1.5.3):libpng1.6.34:libtiff4.0.9:zlib1.2.11:libwebp0.6.1:libopenjp22.3.0FoundAVX2FoundAVXFoundFMAFoundSSE4.1Foundlibarchive3.5.0zlib/1.2.11liblzma/5.2.3bz2lib/1.0.6liblz4/1.7.5libzstd/1.4.5Foundlibcurl/7.77.0-DEVSchannelzlib/1.2.11zstd/1.4.5libidn2/2.0.4nghttp2/1.31.012345678910如果输出版本等信息，说明安装成功。三、Python中安装使用pytesseractPython通过API接入TesseractOCR，就可以在Python中方便进行文字识别。在使用前需要进行安装，如下：#使用conda进行安装condainstallpytesseract-y#使用pip安装pipinstallpytesseract1234安装成功即可使用，OCR示例如下：In[1]:importpytesseractIn[2]:importreIn[3]:importrequestsIn[4]:fromPILimportImageIn[5]:url='http://42.194.197.95:8001/static/imgs/phone_imgs/phone0.png'In[6]:image=Image.open(requests.get(url,stream=True).raw)In[7]:imageOut[7]: In[8]:res=pytesseract.image_to_string(image)In[9]:resOut[9]:'14770126139\n'In[10]:re.search('\d+',res).group()Out[10]:'14770126139'12345678910111213141516171819202122总结TesseractOCR是一个本地的图片识别开源引擎，不需要额外的深度学习OCR模型即可实现简单、快速的识别，同时可以通过接口来与多种编程语言对接而集成，可以作为轻量OCR的最佳选择。