有個(gè)需求，需要從一張圖片中識別出中文，通過python來實(shí)現(xiàn)，這種這么高大上的黑科技我們普通人自然搞不了，去github找了一個(gè)似乎能滿足需求的開源庫-tesseract-ocr：
Tesseract的OCR引擎目前已作為開源項(xiàng)目發(fā)布在Google Project，其項(xiàng)目主頁在這里查看https://github.com/tesseract-ocr，
它支持中文OCR，并提供了一個(gè)命令行工具。python中對應(yīng)的包是pytesseract. 通過這個(gè)工具我們可以識別圖片上的文字。
筆者的開發(fā)環(huán)境如下：
- macosx
- python 3.6
- brew
**安裝tesseract **
brew install tesseract
安裝python對應(yīng)的包：pytesseract
pip install pytesseract
這里寫圖片描述
怎么用？
如果要識別中文需要下載對應(yīng)的訓(xùn)練集：https://github.com/tesseract-ocr/tessdata
，下載"chi_sim.traineddata"，然后copy到訓(xùn)練數(shù)據(jù)集的存放路徑，如：
這里寫圖片描述
這里寫圖片描述
具體代碼就幾行:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import pytesseract
from PIL import Image
# open image
image = Image.open('test.png')
code = pytesseract.image_to_string(image, lang='chi_sim')
print(code)
OCR速度比較慢，大家可以拿一張包含中文的圖片試驗(yàn)一下。
