孤荷凌寒自学python第八十三天初次接触ocr配置tesseract环境

孤荷凌寒自学python第八十三天初次接触ocr配置tesseract环境

 

（完整学习过程屏幕记录视频地址在文末）

 

学习Python我确定不会错过图片文字的识别，固然更重要的是简单的验证码识别了，今天花的全部时间都用于寻找最偷懒的方式来解决这一经典问题。

结果发现，仍是大名鼎鼎的【tesseract】是最受欢迎的，因而就着手配置tesseract的相关环境。

今天的主要操做都是在windows10的64位系统下进行的。

 

1、第一步，安装tesseract-ocr在windows64位下的版本

我把这理解为环境配置。

首先在github的tesseract的安装指引页面去查找最新版的安装程序包的地址。

https://github.com/UB-Mannheim/tesseract/wiki

今后页面中能够找到最新版的安装程序包地址：

https://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-w64-setup-v4.0.0.20181030.exe

下载完成以后，按安装程序提示便可安装成功。

 

2、第二步，安装pil库

通过查阅网文资料，发现，对于64位操做系统下的Python3.x版本的python来讲，只对python2.x有用的pil库安装要复杂 些。

首先到下面网址去下载针对 64位windows操做系统的pil库文件的whl文件：

https://www.lfd.uci.edu/~gohlke/pythonlibs/#pillow

下载完成后，在windows的CMD命令窗口中使用Pip命令安装这个whl文件：

pip install I:\MAKEAPP\python\Python365\whl_lib\Pillow-5.4.1-cp36-cp36m-win_amd64.whl

 

我安装成功后的提示以下：

C:\WINDOWS\system32>pip install I:\MAKEAPP\python\Python365\whl_lib\Pillow-5.4.1-cp36-cp36m-win_amd64.whl

Processing i:\makeapp\python\python365\whl_lib\pillow-5.4.1-cp36-cp36m-win_amd64.whl

Installing collected packages: Pillow

  Found existing installation: Pillow 5.1.0

    Uninstalling Pillow-5.1.0:

      Successfully uninstalled Pillow-5.1.0

Successfully installed Pillow-5.4.1

 

安装完成后，须要将安装目录添加到系统环境变量的Path中。

我是按照下面博文的设置来进行操做的：

http://www.javashuo.com/article/p-zhbbwkib-w.html

 

最后在cmd窗口中输入并检查版本信息：

C:\WINDOWS\system32>tesseract.exe -v

tesseract v4.0.0.20181030

 leptonica-1.76.0

  libgif 5.1.4 : libjpeg 8d (libjpeg-turbo 1.5.3) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11 : libwebp 0.6.1 : libopenjp2 2.2.0

 

3、安装pytesseract模块

在windows的cmd命令提示框中输入：

pip install pytesseract

便可完成安装。

 

4、测试是否成功

 

import PIL

from PIL import Image

from PIL import ImageEnhance

import re

 

import pytesseract

 

import _mty

 

def msgbox(info,titletext='孤荷凌寒的word模块对话框QQ578652607',style=0,isShowErrMsg=False):

    return _mty.msgboxGhlh(info,titletext,style,isShowErrMsg)

 

image = Image.open('666.jpg')

image.load()

 

enhancer = ImageEnhance.Contrast(image)

enhancer = enhancer.enhance(4)

image = image.convert('L')

 

image.show()

text = pytesseract.image_to_string(image)

text=re.sub("\W", "", text)

msgbox(text)

然而识别率很是的低，是很是的低！

 

 

 

 

 

 

——————————

今天整理的学习笔记完成，最后例行说明下个人自学思路：

根据过去多年我自学各类编程语言的经历，认为只有真正体验式，解决实际问题式的学习才会有真正的效果，即让学习实际发生。在2004年的时候我开始在一个乡村小学自学电脑 并学习vb6编程语言，没有学习同伴，也没有高师在上，甚至电脑都是孤岛（乡村那时尚未网络），有的只是一本旧书，在痛苦的自学摸索中，我找到适应本身零基础的学习方法：首先是每读书的一小节就做相应的手写笔记，第二步就是上机测试每个笔记内容是否实现，其中会发现书中讲的其实有出入或错误，第三步就是在上机测试以后，将笔记改成电子版，造成最终的修订好的正确无误的学习笔记 。

经过反复尝试错误，在那个没有分享与交流的黑暗时期我摸黑学会了VB6，尔后接触了其它语言，也曾听过付费视频课程，结果发现也许本身学历果真过低，就算是零基础的入门课程，其实也难以跟上进度，讲师的教学多数出现对初学者的实际状况并不了解的状况，何况学习者的个体也存在差别呢？固然更可怕的是收费课程的价格每每是本身难以承受的。

因而个人全部编程学习都改成了自学，继续本身的三步学习笔记法的学习之路。

固然自学的最大问题是会走那么多的弯路，没有导师直接输入式的教学来得直接，好在网络给咱们带来无限搜索的机会，你们在网络上的学习日志带给咱们共享交流的机会，而QQ群等交流平台、网络社区的成立，咱们能够一块儿自学，互相批评交流，也能够得到更有效，更自主的自学成果。

因而我以人生已过半的年龄，决定继续个人编程自学之路，开始学习python，只但愿与你们共同交流，一我的的独行是可怕的，只有一群人的共同前进才是有但愿的。

诚挚期待您的交流分享批评指点！欢迎联系我加入从零开始的自学联盟。

这个时代互联网成为了一种基础设施的存在，因而原本在孤独学习之路上的咱们变得再也不孤独，由于网络就是一个新的客厅，咱们时刻均可以进行沙龙活动。

很是乐意能与你们一块儿交流本身自学心得和发现，更但愿你们可以对我学习过程当中的错误给予指点——是的，这样我就能有许多免费的高师了——这也是分享时代，社区时代带来的好福利，我相信你们会的，是吧！

 

根据彻底共享的精神，开源互助的理念，个人我的自学录制过程是所有按4K高清视频录制的,从手写笔记到验证手写笔记的上机操做过程全程录制，但由于4K高清文件太大均超过5G以上，因此没法上传至网络，若有须要可联系我QQ578652607对传，乐意分享。上传分享到百度网盘的只是压缩后的720P的视频。

 

个人学习过程录像百度盘地址分享以下：（清晰度：1280x720）

连接：https://pan.baidu.com/s/1qMeoq3NK9_asGerzQCuwww

提取码：qwt4

 

Bilibili:

https://www.bilibili.com/video/av41503799/

喜马拉雅语音笔记：

https://www.ximalaya.com/keji/19103006/156673810