利用pytesseract进行图片文字识别

pytesseract是基于Python的OCR工具， 底层使用的是Google的Tesseract-OCR 引擎，支持识别图片中的文字，支持jpeg, png, gif, bmp, tiff等图片格式。

安装

pip install pytesseract 

使用

这里只简单介绍识别图中文字并输出字符串，有兴趣的同学可以自行探索更多的方法。

from PIL import Image
from pytesseract import *


img = Image.open('test.png')
code = pytesseract.image_to_string(img)

识别图片和结果：

这种方法比较适合简单的验证码的识别。为了提高识别的成功率，图片最好配合PIL库，进行二值化和降噪的预处理。

在使用时可能会遇到TesseractNotFoundError，这是因为pytesseract需要调用tesseract.exe的接口来进行图片的识别。

需要先安装Tesseract-OCR的应用：https://github.com/tesseract-ocr/tesseract

然后修改pytesseract.py的tesseract_cmd