一、tesseract-ocr简介

       Tesseract-ocr引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。Tesseract目前已作为开源项目发布在Google Project。

二、tesseract-ocr环境配置

       运行环境：Win7+python3+tesseract 4.0.0-beta.1；本文参考依据：https://www.cnblogs.com/vipstone/p/8894145.html  。

1、安装pytesseract库

       pip install pytesseract 即可。

2、安装pytesseract-ocr工具

       pytesseract库是python的函数库，其依赖于tesseract-ocr工具的运行，因此需要下载安装tesseract-ocr，并将其与pytesseract库进行关联设置。

       pytesseract-ocr工具下载地址：https://github.com/UB-Mannheim/tesseract/wiki   ，点击“tesseract-ocr-w64-setup-v4.0.0-beta.1.20180414.exe”/“tesseract-ocr-w32-setup-v4.0.0-beta.1.20180414.exe”下载安装。注意：安装时应该选中中文包！

3、tesseract关联设置

      在pytesseract安装路径下（路径一般为：“....../lib/site-packages\pytesseract\pytesseract.py”）找到pytesseract.py文件，打开文件修改如下语句：

       上面的路径是pytesseract-ocr工具的安装路径。

三、字符识别实例

from PIL import Image
import pytesseract
import cv2

path = "test.jpg" #设置图片路径
img = cv2.imread(path) #读取图片
text = pytesseract.image_to_string(img,lang="chi_sim") #将图片中的文字转换成字符串
# text = pytesseract.image_to_string(Image.open(path),lang="chi_sim")
print(text) #打印输出

        运行效果如下：

四、tesseract库训练

        作为非常优秀的Ocr识别库，tesseract当然可以训练自己的数据模型，从而达到为我所用目的，后续文字会介绍如果训练自己的文字识别库。