网上有很多种图片文字识别方法，我这选了几种，做下比较
代码在这：
import tesserocr
from PIL import Image
import pytesseract
def a():
#这是一种办法,使用tesserocr
image=Image.open('xxx.jpg')
result=tesserocr.image_to_text(image)
print('使用tesserocr:',result)
print('*'*50)
def b():
# tesserocr更简便的方法
print('使用tesserocr简便方法:',tesserocr.file_to_text('xxx.jpg'))
print('*'*50)
def c():
# 这是另一种办法,pytesseract
image=Image.open('xxx.jpg')
# result = pytesseract.image_to_string(image ,lang='chi_sim')
result = pytesseract.image_to_string(image)
print('使用pytesseract:',result)
print('*' * 50)
a()
b()
c()
首先，汉字的识别，网上最多的是用pytesseract来识别
def c():
# 这是另一种办法,pytesseract
image=Image.open('xxx.jpg')
result = pytesseract.image_to_string(image ,lang='chi_sim')
print(result)
print('*' * 50)
c()
第一次，我们选择的是黑白比较分明的图片
识别效果：
总结：总体来说还行
第二次，使用黑白不那么分明的图片：
识别效果：
总结，似乎跟第一次差不太多
第三次，用黑白分明更弱些的图片：
识别效果：
总结：可以说是一塌糊涂了
然后，咱们试下识别英文，三种方法都可以，正好做下比较
第一次，使用颜色比较重的图片：
识别效果：
总结：可以看到，全对，由此可见，这些方法对英文的支持真不错
第二次，用颜色稍淡些的图片：
识别效果：
总结：tesserocr的简便写法出了点问题，其他两个还是全对
第三次，我们用一个带颜色的图片试试：
识别效果：
总结：显而易见，没问题
实验效果仅供参考，另外实验中发现数字的识别率和英文差不多，所以也就没写上来。其次，有干扰线或字母扭曲的识别率很差