python 包的使用 （二）——tesseract识别图片中的文字

一、作用
a、Python-tesseract是一个基于google's Tesseract-OCR的独立封装包；
b、Python-tesseract功能是识别图片文件中文字，并作为返回参数返回识别结果；
c、Python-tesseract默认支持tiff、bmp格式图片，只有在安装PIL之后，才能支持jpeg、gif、png等其他图片格式；

三、代码实现

#coding:utf8
import Image
import pytesseract

image=Image.open("image.jpg")
image.load()
image.show()
vcode=pytesseract.image_to_string(image)
print vcode

pytesser 调用了 tesseract，因此需要安装 tesseract，安装 tesseract 需要安装 leptonica，否则编译tesseract 的时候出现 "configure: error: leptonica not found"。

1. sudo apt-get install tesseract-ocr</span>  

1. sudo pip install pytesseract  

windows系统可以参考https://www.geek-share.com/detail/2657278804.html这篇博客就OK了.

也可以参考https://www.quora.com/How-do-I-use-PyTesser-and-Tesseract-OCR-in-Ubuntu-with-Python

原理：

验证码图像处理

验证码图像识别技术主要是操作图片内的像素点,通过对图片的像素点进行一系列的操作,最后输出验证码图像内的每个字符的文本矩阵。

1、读取图片
2、图片降噪
3、图片切割
4、图像文本输出

（2）验证字符识别

验证码内的字符识别主要以机器学习的分类算法来完成,目前我所利用的字符识别的算法为KNN(K邻近算法)和SVM (支持向量机算法),后面我 会对这两个算法的适用场景进行详细描述。

1、获取字符矩阵
2、矩阵进入分类算法
3、输出结果

要验证的图片如下：

1. import pytesseract  
2. import Image  
3. image = Image.open('1.jpg')   
4. print pytesseract.image_to_string(image)   

结果如下

1. Python 2.7.9 (default, Apr  2 2015, 15:33:21)   
2. [GCC 4.9.2] on linux2  
3. Type "copyright", "credits" or "license()" for more information.  
4. ==== No Subprocess ====  
5. >>>   
6. 1201  
7. >>>   

也可以使用复杂一点的,上面的只能对一些比较简单的做处理

原理：彩色转灰度，灰度转二值，二值图像识别

1. # 验证码识别，此程序只能识别数据验证码  
2. import Image    
3. import ImageEnhance    
4. import ImageFilter    
5. import sys    
6. from pytesseract import *  
7. # 二值化    
8. threshold = 140    
9. table = []    
10. for i in range(256):    
11.     if i < threshold:    
12.         table.append(0)    
13.     else:    
14.         table.append(1)    
15.     
16. #由于都是数字    
17. #对于识别成字母的 采用该表进行修正    
18. rep={'O':'0',    
19.     'I':'1','L':'1',    
20.     'Z':'2',    
21.     'S':'8'    
22.     };    
23.     
24. def  getverify1(name):          
25.     #打开图片    
26.     im = Image.open(name)    
27.     #转化到灰度图  
28.     imgry = im.convert('L')  
29.     #保存图像  
30.     imgry.save('g'+name)    
31.     #二值化，采用阈值分割法，threshold为分割点   
32.     out = imgry.point(table,'1')    
33.     out.save('b'+name)    
34.     #识别    
35.     text = image_to_string(out)    
36.     #识别对吗    
37.     text = text.strip()    
38.     text = text.upper();      
39.     for r in rep:    
40.         text = text.replace(r,rep[r])     
41.     #out.save(text+'.jpg')    
42.     print text    
43.     return text    
44. getverify1('1.jpg')  #注意这里的图片要和此文件在同一个目录，要不就传绝对路径也行