使用pytesseract圖像處理之中文識別（二）

今天繼續之前的圖像識別，這次在英文的基礎上開始中文識別，首先添加中文識別包：chi_sim 這個文件。下載地址：
https://github.com/tesseract-ocr/tessdata
如果你有不明白的可以去官方GitHub看看：
https://github.com/tesseract-ocr/tesseract
下載後把chi_sim 這個文件安裝到你的tessdata這個文件夾下面。
注意一點： 下載中文包的時候要看看你的tesseract的版本，如果你的是3.02版本的，就下3.02對應的中文包；3.05就下3.05的，一定要仔細這裏。不然後面會報錯！
安裝好了後，我就去寫代碼：

結果發現報錯如下：
pytesseract.pytesseract.TesseractError: (3221225477, ‘’)
這是怎麼回事呢？明明中文包下載對的啊。試過識別英文圖片的，都是正常打印出字母來。於是納悶了一下，便開始各種谷歌，看了數篇解決方案後，發現是環境變量那裏少了tessdata這個，於是點開

找到 “系統變量”這裏的“Path”變量 ，雙擊它，然後在彈出的頁面裏面找到之前添加的Tesseract-OCR這個變量：

在它後面新建一個同樣路徑的變量，然後再加上tessdata 這個單詞。
注意一定要重新建一個環境變量，而不是在原來的上面直接加！！！
即這樣：C:\Program Files (x86)\Tesseract-OCR\tessdata
就像我上面圖片一樣，建兩個後確定保存。
（這裏再多說一句：如果你按上面的添加環境變量後還是報錯，可以看看你的系統變量這一欄有沒有下圖這個選項：
）
如果沒有的話，就自己新建一個，把他添加進去。）
這下我再運行上面的程序，隨手找的一張背景有點雜亂的中文圖片，識別效果如下圖：

簡直差的不行了，又換了一張圖，是標準的宋體，而且背景很乾淨，於是得到了下面這樣的效果：

所以得出跟英文一樣的結論：tesseract要想識別中文的概率達到百分之七十以上，首先要字體是宋體；其次背景要很乾淨，沒有跨行。 因爲只安裝了中文簡體的包，沒有安繁體，而繁體是下面tra這個：

所以如果你要識別繁體就要下這一個纔對！好了今天的識別就到這裏，後面繼續開始訓練字庫。