Python圖文識別技術分享 使用 tesseract-ORC 識別文字，識別率不算太高，需要自我訓練 tessdata 資料，才能更精確的識別你想要讓電腦認識出來的文字！
ps：另外很多人在學習Python的程序中，往往因為遇問題解決不了從而導致自己放棄，為此我建了個Python全堆疊開發交流.裙 ：一久武其而而流一思（數字的諧音）轉換下可以找到了，里面有最新Python教程專案可拿,不懂的問題有老司機解決哦，一起相互監督共同進步
接下來看代碼：
import os
import pytesseract
from PIL import Image
from collections import defaultdict
#pip install pytesseract
#pip install pillow
# tesseract.exe所在的檔案路徑
pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'
# 獲取圖片中像素點數量最多的像素
def get_threshold(image):
pixel_dict = defaultdict(int)
# 像素及該像素出現次數的字典
rows, cols = image.size
for i in range(rows):
for j in range(cols):
pixel = image.getpixel((i, j))
pixel_dict[pixel] += 1
count_max = max(pixel_dict.values()) # 獲取像素出現出多的次數
pixel_dict_reverse = {v: k for k, v in pixel_dict.items()}
threshold = pixel_dict_reverse[count_max] # 獲取出現次數最多的像素點
return threshold
# 按照閾值進行二值化處理
# threshold: 像素閾值
def get_bin_table(threshold):
# 獲取灰度轉二值的映射table
table = []
for i in range(256):
rate = 0.1 # 在threshold的適當范圍內進行處理
if threshold * (1 - rate) <= i <= threshold * (1 + rate):
table.append(1)
else:
table.append(0)
return table
# 去掉二值化處理后的圖片中的噪聲點
def cut_noise(image):
rows, cols = image.size # 圖片的寬度和高度
change_pos = [] # 記錄噪聲點位置
# 遍歷圖片中的每個點，除掉邊緣
for i in range(1, rows - 1):
for j in range(1, cols - 1):
# pixel_set用來記錄該店附近的黑色像素的數量
pixel_set = []
# 取該點的鄰域為以該點為中心的九宮格
for m in range(i - 1, i + 2):
for n in range(j - 1, j + 2):
if image.getpixel((m, n)) != 1: # 1為白色,0位黑色
pixel_set.append(image.getpixel((m, n)))
# 如果該位置的九宮內的黑色數量小于等于4，則判斷為噪聲
if len(pixel_set) <= 4:
change_pos.append((i, j))
# 對相應位置進行像素修改，將噪聲處的像素置為1（白色）
for pos in change_pos:
image.putpixel(pos, 1)
return image # 回傳修改后的圖片
# 識別圖片中的數字加字母
# 傳入引數為圖片路徑，回傳結果為：識別結果
def OCR_lmj(img_path):
image = Image.open(img_path) # 打開圖片檔案
imgry = image.convert('L') # 轉化為灰度圖
# 獲取圖片中的出現次數最多的像素，即為該圖片的背景
max_pixel = get_threshold(imgry)