mac 安裝tesseract、pytesseract， 實現圖片裏文字的識別

一， tesseract-OCR的介紹

1，tesseract-OCR是一個開源的OCR引擎，能識別100多種語言，專門用於對圖片文字進行識別，並獲取文本。但是它的缺點是對手寫的識別能力比較差。
2，用tesseract可以識別的圖片中字體，主要有以下一些特點:

• 使用一個標準字體
• 可以使用複印或者拍照，但是必須字體要清晰，沒有痕跡
• 圖片裏沒有歪歪斜斜的字體
• 另外沒有超出圖片中的字體，也沒有殘缺的字體

二， mac tesseract-OCR的安裝

1，安裝有四種方式：

• brew install --with-training-tools tesseract //安裝tesseract， 同時安裝訓練工具
• brew install --all-languages tesseract //安裝tesseract，同時它還會安裝所有語言
• brew install --all-languages --with-training-tools tesseract //安裝附加組件
• brew install tesseract //安裝tesseract，但是不安裝訓練工具，我選擇這種方式進行安裝

2，安裝完tesseract後，進行測試:

• tesseract -v
  
• tesseract的安裝路徑爲：/usr/local/Cellar/tesseract/4.0.0/

3，tesseract命令基本用法

• tesseract 9.jpg result //result是輸出文件
  
  

4，下載語言庫
這裏可以根據自己的需求來下載所需要的語言庫，例如chi_sim.traineddata爲簡體中文：
下載地址：https://github.com/tesseract-ocr/tessdata
將chi_sim.traineddata下載後，需要將它放在/usr/local/Cellar/tesseract/4.0.0/share/tessdata目錄下。

三， mac pytesseract的安裝

1， python有着更加方便的方式調用tesseract，首先需要安裝pytesseract模塊
2， 下載的命令

• pip install pytesseract
• pytesseract安裝路徑：/usr/local/lib/python2.7/site-packages/pytesseract

3，pytesseract模塊要與PIL一起使用

4，實例1：

from PIL import Image
import pytesseract

if __name__ == '__main__':
    text = pytesseract.image_to_string(Image.open('9.jpg'), lang='chi_sim')
    print(text)

運行結果：