OpenCV Python + Tesseract-OCR轻松实现中文识别

- Python3.6.5
- OpenCV-Python 4.x
- Tesseract-OCR 5.0.0-alpha.20201127
- Win10 64

安装Python SDK选择默认安装，同时勾选最下面得红色矩形框内容。

安装opencv-python开发包

pip install opencv-python

安装Tesseract-OCR Python SDK支持

pip install pytesseract

下载Tesseract-OCR 5.0.0-alpha.20201127安装包并安装！然后在环境变量中添加

C:\Program Files\Tesseract-OCR

安装与配置好OpenCV-Python与Tesseract-OCR之后，需要进一步通过代码验证正确性。打开Pycharm IDE，新建一个python项目与python文件，输入以下代码

import pytesseract as tessprint(tess.get_tesseract_version())print(tess.get_languages())

运行结果如下：

第一行是版本信息，第二行是支持的语言信息，默认只支持英文。

开源的OCR识别引擎，高版本识别基于LSTM，其整个处理流程如下：

检测与识别文本函数：

检测：

def image_to_boxes(image,lang=None,config='',nice=0,output_type=Output.STRING,timeout=0,)

返回所有识别文字的Box框坐标，每一行为一个BOX信息输出

每行的前五个值分别是，识别的字符、BOX框的左上角与右下角坐标

识别

def image_to_string(image,lang=None,config='',nice=0,output_type=Output.STRING,timeout=0,)

输入的图像通道顺序是RGB，OpenCV默认为BGR，返回的是识别结果

必输入的参数是image，其它可选

Tesseract-OCR默认支持英文与数字识别，有输入图像如下：

Python代码如下：

image = cv.imread("D:/cv4j.png")
image_rgb = cv.cvtColor(image, cv.COLOR_BGR2RGB)
text = tess.image_to_string(image_rgb, lang="eng")
content = text.replace("\f", "").split("\n")
for c in content:
    if len(c) > 0:
        print(c)
h, w, c = image.shape
boxes = tess.image_to_boxes(image)
for b in boxes.splitlines():
    b = b.split(' ')
    image = cv.rectangle(image, (int(b[1]), h - int(b[2])), (int(b[3]), h - int(b[4])), (0, 255, 0), 2)

cv.imshow('text detect', image)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果如下：

英文识别对无干扰的背景效果非常好！

默认情况下Tesseract-OCR不支持中文识别，需要下载中文识别的模型文件，然后放置到安装路径的tessdata目录下：

C:\Program Files\Tesseract-OCR\tessdata

然后在运行语言检查支持代码，运行结果如下：

其中chi_sim表示中文简体支持，eng表示英文支持！

以下图为例：

识别代码

image = cv.imread("D:/yanxishe.png")
image_rgb = cv.cvtColor(image, cv.COLOR_BGR2RGB)
text = tess.image_to_string(image_rgb, lang="chi_sim")
print(text)
h, w, c = image.shape
boxes = tess.image_to_boxes(image)
for b in boxes.splitlines():
    b = b.split(' ')
    image = cv.rectangle(image, (int(b[1]), h - int(b[2])), (int(b[3]), h - int(b[4])), (0, 255, 0), 2)

cv.imshow('text detect', image)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果

正确率还不错，需要进一步处理一下，直接放大两倍，然后再测试一波

发现错误识别大大减少，基本可用！

总结一下：使用OpenCV预处理可以大大降低Tesserct-OCR的误识别率！

好消息！
小白学视觉知识星球
开始面向外开放啦👇👇👇



下载1：OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~