0
0

Python制作简易OCR文字识别系统

前不久看了一篇“如何使用Python检测和识别车牌？”用OpenCV对输入图像进行预处理，用imutils将原始输入图像裁剪成所需的大小，用pytesseract将提取车牌字符转换成字符串(车牌识别)。

但经实测，美式车牌识别基本正确，但中国92式车牌、新能源车牌识别基本失败，失败的现象主要是将汉字识别为字母，或将汉字与后面的字母合并识别为另一个汉字。将“GA36-2007中华人民共和国机动车号牌”标准上的37个汉字用pytesseract进行汉字识别，正确率小于50%，但网页截屏识别正确率极高(高于95%)，只有极个别字识别错误。因此就用Python做了个界面，制作成了“简易OCR文字识别系统”，这样通过鼠标操作就可以将图片文字转换为文本文字(如图1所示)，识别效果见图19~22。

*图*1 简易OCR*文字识别系统界面*

一、pytesseract****简介

tesseract原意为：宇宙魔方、超立方体、超正方体、四维超正方体、四次元立方体等意。pytesseract库是Python开源的OCR(光学字符识别)库，能够识别图片上的数字、英文和中文等。它要求字迹规整、清晰可见，适合识别印刷体(如报刊、杂志照片，电脑或手机截屏等)。其他如手写体、车牌、验证码等识别效果较差。

二、pytesseract****安装

pytesseract库属于人工智能(AI)领域的库，需要配置底层应用和依赖库，不是一条pip就能完成安装。pytesseract库依赖Tesseract-OCR，也就是要安装Tesseract-OCR才有效。

  1. 安装和配置Tesseract-OCR

Tesseract-OCR是一款由HP实验室开发，由Google维护的开源OCR(Optical Character Recognition , 光学字符识别)引擎。与Microsoft Office Document Imaging(MODI)相比，Tesseract-OCR是可以不断地训练的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎(比如车牌识别)。

(1) 下载Tesseract-OCR

  1. GitHub 官网地址：查看源码

https://github.com/tesseract-ocr/tesseract

在这可以查看和下载源码，自己编译，如果不想查看源码。只想直接使用，请下载下面的官网安装包。

官网安装包下载地址1：https://digi.bib.uni-mannheim.de/tesseract/

官网安装包下载地址2：https://github.com/UB-Mannheim/tesseract/wiki

本人安装的是tesseract-ocr-w64-setup-v5.3.0.20221214.exe(见图2)。

(2) 安装Tesseract-OCR

双击下载的安装包进行安装。

*图***2 **下载的安装包

选择语言就用默认的英语(此语言指安装程序所用语言)。

*图***3 **选安装语言界面

待定安装时的语言(没有中文)后，选同意安装(I Agree)。

*图***4 **授权协议界面

选择组件时，注意把汉字笔迹训练数据的简体、繁体都选上，这样可以进行简体汉字和繁体汉字的识别。

*图***5 **选择安装组件界面

点Additional script data (download)前的“+”，从中选图6中的4项：Han Simplified script、Han Simplified vertical script(简体)，Han Traditional script、Han Traditional vertical script(繁体)。

*图***6 **选择添加笔迹数据界面

把汉字语言训练数据的简体、繁体也都选上。

Additional language data (download)中选四项(见图7)：Han Simplified script、Han Simplified vertical script(简体)，Han Traditional script、Han Traditional vertical script(繁体)。

*图***7 **选择添加语言数据界面

选择安装组件(选中文简体、繁体共四项)，见图8。

*图***8 **选择中文组件界面

组件选好后，需要选择安装路径(见图9)。默认安装路径为：C:\Program Files\Tesseract-OCR，如果修改了安装目录，建议先复制一份，后面配置环境变量时要用到。

*图***9 **确定安装路径界面

出现图10画面后，点击“安装”(Install)进行安装。

*图***10 **等待安装界面

如出现“Next”(下一步)就一直点击。

图11安装时的安装进度界面

直到安装完成。

*图***12 **安装完成时界面

出现图12界面时，点击“完成”(Finish)完成安装。

安装结束后，进入窗口运行模式(开始→运行→cmd)，输入：tesseract --version

如出现图13提示，表明tesseract安装时未在系统搜索路径(path)中，需要配置环境变量，需手工配置。

*图***13 **测试版本失败界面

(3) 配置环境变量

  1. 配置系统变量：path

添加Tesseract-OCR安装目录(如：C:\Program Files\Tesseract-OCR)搜索路径。

选“系统变量”中的path，然后点“编辑”，此时会弹出如图14所示的编辑环境变量对话框，点“新建”，输入安装Tesseract-OCR安装目录(此例为默认安装目录：C:\Program Files\Tesseract-OCR)。

*图***14 **环境变量中系统变量配置界面

  1. 添加系统变量：TESSDATA_PREFIX

添加 TESSDATA_PREFIX 系统变量(见图15)，值为：C:\Program Files\Tesseract-OCR\tessdata，即Tesseract-OCR安装目录下的tessdata文件夹。

*图***15 **环境变量中添加系统变量界面

配置后，需重启电脑配置才能生效。

(4) 查看Tesseract-OCR是否安装成功

cmd运行输入：tesseract --version，能够正确显示版本号，说明成功。

*图***16 **测试版本成功界面

如没有汉字训练集将无法识别汉字，可下载语言包解压到Tesseract-OCR安装目录下的tessdata文件夹(如：C:\Program Files\Tesseract-OCR\tessdata)。

本人下载的tesseract-ocr-w64-setup-v5.3.0.20221214.exe，安装后已有汉字训练集，如图17。

*图*17 安装目录下tessdata*文件夹界面*

也可用命令tesseract --list-langs查看本地Tesseract-OCR支持语言库。

*图***18 **检查安装语言库界面

  1. 安装Python的pytesseract库

pip install pytesseract

pytesseract库非常小，只有14K，它只要是调用前面安装的Tesseract-OCR进行文字识别。

三、pytesseract****应用

导入pytesseract库后

用pytesseract.image_to_string()方法将识别文字以字符串形式返回。语法结构如下：

pytesseract.image_to_string(image, lang=None, config='', nice=0, output_type='string',

                   timeout=0)

式中：image为文字图像，lang为用指定语言识别。中文简体汉字为lang='chi_sim'，与上图箭头所指名称一致。其他用默认值。

例1：中、英文识别。

import pytesseract
from PIL import Image

# 英文识别
filename = '英文样本.png'
img = Image.open(filename)
result = pytesseract.image_to_string(img, lang='eng')
print(f'英文识别结果：\n {result}')
# 中文识别
filename = '简体中文.png'
img = Image.open(filename)
result = pytesseract.image_to_string(img,lang='chi_sim') #使用简体中文解析图片
print(f'中文识别结果：\n {result}')

例2：制作简易OCR文字识别系统。

Python制作GUI界面需要用到Tkinter的组件(widget)有：

1. tkinter.Frame()

Tkinter Frame(框架)组件就是一个容器。语法结构如下：

w = tkinter.Frame(master, option, ...)

其中：master为容器对象(如窗体等)，其他可以用默认值。

2. tkinter.Label()

标签(Label)组件用于显示不可编辑的文本或图形、图像。语法结构如下：

w = tkinter.Label(master, option, ...)

其中：master为容器对象(如窗体、框架等)。options: 可选项，即该标签的可设置的属性。这些选项可以用键=值的形式设置，并以逗号分隔。重要选项：image设置标签显示的图像；text设置显示的文本，可以包含换行符(\n)。

由于Tkinter只支持.png和.gif格式图像，且没有缩放功能，故其他格式图像需要用模块PIL的Image进行缩放、用PIL的ImageTk进行格式转换。

3. tkinter.Button()

功能按钮(Button)组件也可称作按钮，在组件中可以设计在单击功能按钮时，执行某一个特定的动作(callback方法)。语法结构如下：

tkinter.Button(master, option, ...)

其中：master为容器对象(如窗体、框架等)。options: 可选项，即该标签的可设置的属性。这些选项可以用键=值的形式设置，并以逗号分隔。重要选项：command单击功能按钮时，执行此方法(一般是自定义函数)；image设置功能钮上显示的图像；text设置功能按钮的文字名称。

4. tkinter.Scorllbar()

使用滚动条组件，可以给其他组件添加流动条。语法结构如下：

tkinter.Scorllbar(master, [orient=None, ][options])

其中：master为容器对象(如窗体、框架等)。options: 可选项，即该标签的可设置的属性。这些选项可以用键=值的形式设置，并以逗号分隔。重要选项：orient用于指定方向，默认为垂直方向，可设为HORIZONTAL(水平，tkinter常量)、VERTICAL(垂直，tkinter常量)；command设置回调控件的xview方法(水平方向)或回调控件的yview方法(垂直方向)；set()方法将scroll和其它的控件关联。

tk.Radiobutton(frm_tools, variable=v_r, text=mF, value=i)

5. tkinter.Radiobutton()

单选钮组件也称单选框，用于单选，一组中只能选项。单选钮可以添加文本和图像。当单选钮选择，可以执行指定的函数，或者获取所选的值。使用单选按的语法结构如下：

tkinter.Radiobutton(master, options)

其中：master为容器对象(如窗体、框架等)。options: 可选项，即该标签的可设置的属性。这些选项可以用键=值的形式设置，并以逗号分隔。重要选项：text设置单选钮文本显示内容(选项名称)；variable为选按钮索引变量，通过变量的值确定哪个单选项被选中；value设置单选钮选中时设定variable的值；command设置单选钮选中时调用命令(函数)。

还有两个对话框：打开文件对话框和“另存为”对话框，详见实例。

简易OCR文字识别系统界面用二个框架，上一框架用于布置功能按钮和选项，包括：“打开”按钮打开待识别图像，将所选图像缩放到合适的大小在标签中显示；“识别”按钮将打开的图像按选定语言识别为选定语言的文字，并在多行文本框中显示(可编辑)；“保存”按钮将所识别、修改后的文本用图像名保存在图像所在文件夹(纯文本格式)；“另存为”按钮用户可改变文件夹、文件名保存所识别、修改后的文本；三个语言单选钮，可选择“纯英文”、“简体中文”和“繁体中文”。下一框架用天显示待识别的图像的标签、显示识别后的文本(可编辑)的多行文本框和滚动条(当识别显示的文本超过文本框高度时控制文本滚动)，参考图1。

完整代码如下：

####################################################
# 设计 Zhang Ruilin          创建 2023-03-25 09:19 #
# 简易文字识别(OCR)：支持 PNG 格式图片，可编辑保存 #
####################################################
import pytesseract as ocr                # OCR模块
import tkinter as tk                    # 导入模块tkinter为别名tk
from tkinter import filedialog as fd    导入对话框
from PIL import Image,ImageTk            # 导入Python图像处理库

win = tk.Tk()                            # 创建窗体
win.title('简易文字识别(OCR)系统')        # 设置标题
file_name = ''

def openimg():
    global file_name
    file_name = fd.askopenfilename(filetypes=(('图片',['.png','.gif','.jpg',
                    '.jpeg','.bmp','tif']),))   # Tk只支持png、gif，需转换
    print(file_name)
    try:
        im = Image.open(file_name)
        ratio = 1
        if im.size[0] > 400 or im.size[1]>600:    # 缩放高不超过600，宽不超过400
            ratio = min(400/im.size[0],600/im.size[1])
            im = im.resize((int(ratio*im.size[0]+0.5),int(ratio*im.size[1]+0.5)))
        photo = ImageTk.PhotoImage(im)    # 用PIL转换为tkinter支持图像
        img.config(image = photo)        # 更新图像
        img.photo_ref = photo 
    except:
        pass

def do_save():                            # 保存文件
    global file_name
    content = text.get(1.0, tk.END)        # 获取文本框的内容
    fname = file_name.split('.')
    fname[-1] = 'txt'                    # 改文件名为文本文件
    file_path = '.'.join(fname)            # 在图片同文件夹保存同名识别文件
    with open(file_path, 'w') as fw:
        fw.write(content)                # 写文件

def do_saveas():                        # 另存文件
    fname = fd.asksaveasfile(initialdir=file_name,defaultextension='.txt',
            filetypes=(('文本文档', '.txt'),))
    content = text.get(1.0, tk.END)        # 获取文本框的内容
    fname.write(content)                # 写文件
    fname.close()

def do_ocr():                            # 开始识别
    global file_name
    img = Image.open(file_name)
    print(v_r.get(),mLang[v_r.get()])
    result = ocr.image_to_string(img,
                 lang=mLang[v_r.get()])    # 使用对应字体集解析图片
    text.delete(1.0, tk.END)            # 清空文本框内容。1.0=1行1列
    text.insert(tk.END, result)            # 在文本最后插入内容

frm_tools = tk.Frame(win)                # 创建放工具按钮的框架
frm_tools.pack()
frm_edits = tk.Frame(win)                # 创建放编辑器的框架
frm_edits.pack()

# 创建一排工具，作为功能操作和参数选择，放置于frm_tools框架
lal_spc1 = tk.Label(frm_tools,width=1)    # 功能分类间隔1
lal_spc2 = tk.Label(frm_tools,width=1)    # 功能分类间隔2
photo0 = tk.PhotoImage(file='open.png')
btn_open = tk.Button(frm_tools, text='打开', image=photo0,
            command=openimg)            # 创建按钮用于打开图像
photo1 = tk.PhotoImage(file='save.png')
btn_save = tk.Button(frm_tools, text='保存', image=photo1,
            command=do_save)            # 创建按钮用于保存文本
photo2 = tk.PhotoImage(file='saveas.png')
btn_saveas  = tk.Button(frm_tools, text='另存', image=photo2,
            command=do_saveas)            # 创建按钮用于“另存”文本
photo3 = tk.PhotoImage(file='ocr.png')
btn_ocr = tk.Button(frm_tools, text='识别', image=photo3,
            command=do_ocr)                # 创建按钮用于识别文本
# 放置按钮
btn_open.pack(side=tk.LEFT)
btn_ocr.pack(side=tk.LEFT)
lal_spc1.pack(side=tk.LEFT)
btn_save.pack(side=tk.LEFT)
btn_saveas.pack(side=tk.LEFT)
lal_spc2.pack(side=tk.LEFT)
# 放置单选钮
mFont = ('纯英文','简体中文','繁体中文')    # 定义三个语言单选钮
mLang = ['eng','chi_sim','chi_tra']        # 定义三个单选包对应的语言
v_r = tk.IntVar()
v_r.set(1)                                # 设置简体中文被选中，被选中v_r=value值
for i,mF in enumerate(mFont):
    tk.Radiobutton(frm_tools, variable=v_r, text=mF, value=i).pack(side=tk.LEFT)
# 创建标签，用于显示打开的待识别图像，放置于frm_edits框架
img = tk.Label(frm_edits, text=' '*50+'\n'*24, relief='sunken')
img.pack(side=tk.LEFT, fill=tk.BOTH)
# 创建多行文本框，用于显示、编辑识别文字，放置于frm_edits框架
text = tk.Text(frm_edits,width=50,heigh=40)
text.pack(side=tk.LEFT,fill=tk.BOTH)
ysbar = tk.Scrollbar(frm_edits, command=text.yview)    # 在frm_edits框架中创建滚动条                    # 添加滚动条到框架
ysbar.pack(side=tk.LEFT, fill=tk.Y)
text.config(yscrollcommand=ysbar.set)    # 滚动条与文本框绑定

win.mainloop()                            # 进入消息循环

识别效果：见图19~22。

*图***19 **纯英文识别效果

*图***20 **简体中文识别效果

图****21 简体中文用繁体识别效果(有简转繁效果)

*图***22 **繁体中文识别效果

标签： python 人工智能 开发语言
本文转载自: https://blog.csdn.net/hz_zhangrl/article/details/129858078
版权归原作者 hz_zhangrl 所有， 如有侵权，请联系我们删除。
登录后发布评论

“Python制作简易OCR文字识别系统”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

Uber的SSH证书PAM模块：安全提升的新维度

利用Burpsuite精通SQL注入测试

SSH可以连接成功，但VSCode连接不成功的问题

OpenHands，媲美v0与Cursor的开源AI编程工具，帮你解密 AI 编程工具的工作原理

Spark中的DataFrame和DataSet有什么区别？

kafka无法启动，提示连接zookeeper超时

重学SpringBoot3-如何发送 Email

文章导航