python ocr python ocr 验证码

一，OCR　　

　OCR,即Optical Character Recognition，光学字符识别，通过扫描字符，分析形状，然后将其翻译成电子文本的过程。tesserocr是Python的一个OCR识别库，但其实是对tesseract做的一层封装。安装tesserocr之前需要先按照tesseract。

二，准备工具

安装库tesserocr，windows下安装前需要下载安装tesseract，

　　tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/

　　 　

　　图中有很多版本，其中带dev的为开发版本，不带dev的为稳定版本，推荐下载稳定版本。

　　　　

　　安装时勾选Additional language data选项来安装OCR识别支持的语言包，可以识别多国语言。然后一直点击Next即可。

　　接下来，安装tesserocr即可：pip3 install tesserocr pillow

　　whl安装包下载链接：https://github.com/simonflueckiger/tesserocr-windows_build/releases

　　选择合适的版本下载   运行

　　pip3 install tesserocr-2.2.2-cp36-cp36m-win_amd64.whl

三、代码

import tesserocr
from PIL import Image

image = Image.open('code.png')
res = tesserocr.image_to_text(image)
print(image, res)
# 二值化
image = image.convert('L')
threshold = 127
table = []
for i in range(256):
    if i < threshold:
        table.append(0)
    else:
        table.append(1)

image = image.point(table, '1')
image.show()

result = tesserocr.image_to_text(image)
print(result)