python 识别图片上的数字

       python 识别图片上的数字，使用pytesseract库从图像中提取文本，而识别引擎采用 tesseract-ocr。

Tesseract是一款由Google赞助的开源OCR。OCR，即Optical Character Recognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。

pytesseract是python包装器，它为可执行文件提供了pythonic API。

 

1、安装必要的包：

pip install pillow

pip install pytesseract 

2、安装tesseract-ocr的识别引擎 

   * 下载地址：https://github.com/UB-Mannheim/tesseract/wiki  

或者更多版本的tesseract下载地址：https://digi.bib./tesseract/

　　*  装完成后配置环境变量： 我的电脑 ->属性 -> 高级系统设置 ->环境变量 ->系统变量 ，在 path 中添加 安装路径。

在命令行 WIN+R  输入cmd  ：输入 tesseract  -v   ,出现版本信息，则配置成功。

 

3、解决pytesseract 找不到路径的问题。

在自己安装的pytesseract包中，找到pytesseract.py文件

打开pytesseract.py文件，修改  tesseract_cmd 的值：tesseract.exe 的安装路径 。为了避免其他的错误，使用双反斜杠，或者斜杠

4、简单使用

import pytesseract
from PIL import Image


if __name__ == '__main__':
    text = pytesseract.image_to_string(Image.open("D:\\test.png"),lang="eng")
    print(text)

 测试图片：         

 输出结果： 

 

 

对于数字 和英文识别效果比较好，但是对于中文的识别效果不太好，可以考虑加入机器学习来进行改进。