安装python包
pip3 install pillow
pip3 install pytesseract
pip3 install pytesseract
pytesseract的使用需要安装对应的Tesseract-OCR程序,无论是windows系统还是Lunix系统，都可以到GitHub下载相关版本。
链接：https://github.com/tesseract-ocr/tesseract/
安装完成后,把你安装tesseract的路径添加到你电脑的环境变量path中,
或者修改pytesseract.py文件，指定tesseract.exe安装路径
# CHANGE THIS IF TESSERACT IS NOT IN YOUR PATH, OR IS NAMED DIFFERENTLY
tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'
tesseract_cmd = 'C:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe'
或者在实际运行中指定路径
pytesseract.pytesseract.tesseract_cmd = 'D:\\Program Files\\Tesseract-OCR\\tesseract.exe'
读取图片里面文字:
from PIL import Image
import pytesseract
img = Image.open('test1.png')
text = pytesseract.image_to_string(img, lang='eng')
print(text)
import pytesseract
img = Image.open('test1.png')
text = pytesseract.image_to_string(img, lang='eng')
print(text)
image_to_string函式有一个关键字引数 lang，默认是英文，可以改变成你想要的语言字串
pytesseract.image_to_string(img, lang='eng',config='--psm 11 -c tessedit_char_whitelist=abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ')
psm各个数字的含义:
0仅限方向和脚本检测（OSD）。
1使用OSD自动分页。
2自动页面分割，但没有OSD或OCR。
3全自动页面分割，但没有OSD。 （默认）
4假设一列可变大小的文本。
5假设一个垂直对齐文本的统一块。
6假设一个统一的文本块。
7将图像视为单个文本行。
8将图像视为单个单词。
9将图像视为圆形中的单个单词。
10将图像视为单个字符。
11稀疏文字。 找到尽可能多的文本，没有特定的顺序。
12带OSD的稀疏文本。
13原始线。 将图像视为单个文本行
附: 两个图片对比代码,值越接近于1越相近
class CompareImage():
def calculate(self, image1, image2):
g = image1.histogram()
s = image2.histogram()
assert len(g) == len(s), "error"
data = []
for index in range(0, len(g)):
if g[index] != s[index]:
data.append(1 - abs(g[index] - s[index]) / max(g[index], s[index]))
else:
data.append(1)
return sum(data) / len(g)
def split_image(self, image, part_size):
pw, ph = part_size
w, h = image.size
sub_image_list = []
assert w % pw == h % ph == 0, "error"
for i in range(0, w, pw):
for j in range(0, h, ph):
sub_image = image.crop((i, j, i + pw, j + ph)).copy()
sub_image_list.append(sub_image)
return sub_image_list
def compare_image(self, file_image1, file_image2, size=(256, 256), part_size=(64, 64)):
'''
'file_image1'和'file_image2'是传入的文件路径
可以通过'Image.open(path)'创建'image1' 和 'image2' Image 对象.
'size' 重新将 image 对象的尺寸进行重置，默认大小为256 * 256 .
'part_size' 定义了分割图片的大小.默认大小为64*64 .
返回值是 'image1' 和 'image2'对比后的相似度，相似度越高，图片越接近，达到1.0说明图片完全相同。
'''
image1 = Image.open(file_image1)
image2 = Image.open(file_image2)
img1 = image1.resize(size).convert("RGB")
sub_image1 = self.split_image(img1, part_size)
img2 = image2.resize(size).convert("RGB")
sub_image2 = self.split_image(img2, part_size)
sub_data = 0
for im1, im2 in zip(sub_image1, sub_image2):
sub_data += self.calculate(im1, im2)
x = size[0] / part_size[0]
y = size[1] / part_size[1]
pre = round((sub_data / (x * y)), 6)
# print(str(pre * 100) + '%')
print('Compare the image result is: ' + str(pre))
return pre
# # compare_image.compare_image("1.jpg", "2.jpg")
res = compare_image.compare_image('img1.png','img2.png')
print(res)
def calculate(self, image1, image2):
g = image1.histogram()
s = image2.histogram()
assert len(g) == len(s), "error"
data = []
for index in range(0, len(g)):
if g[index] != s[index]:
data.append(1 - abs(g[index] - s[index]) / max(g[index], s[index]))
else:
data.append(1)
return sum(data) / len(g)
def split_image(self, image, part_size):
pw, ph = part_size
w, h = image.size
sub_image_list = []
assert w % pw == h % ph == 0, "error"
for i in range(0, w, pw):
for j in range(0, h, ph):
sub_image = image.crop((i, j, i + pw, j + ph)).copy()
sub_image_list.append(sub_image)
return sub_image_list
def compare_image(self, file_image1, file_image2, size=(256, 256), part_size=(64, 64)):
'''
'file_image1'和'file_image2'是传入的文件路径
可以通过'Image.open(path)'创建'image1' 和 'image2' Image 对象.
'size' 重新将 image 对象的尺寸进行重置，默认大小为256 * 256 .
'part_size' 定义了分割图片的大小.默认大小为64*64 .
返回值是 'image1' 和 'image2'对比后的相似度，相似度越高，图片越接近，达到1.0说明图片完全相同。
'''
image1 = Image.open(file_image1)
image2 = Image.open(file_image2)
img1 = image1.resize(size).convert("RGB")
sub_image1 = self.split_image(img1, part_size)
img2 = image2.resize(size).convert("RGB")
sub_image2 = self.split_image(img2, part_size)
sub_data = 0
for im1, im2 in zip(sub_image1, sub_image2):
sub_data += self.calculate(im1, im2)
x = size[0] / part_size[0]
y = size[1] / part_size[1]
pre = round((sub_data / (x * y)), 6)
# print(str(pre * 100) + '%')
print('Compare the image result is: ' + str(pre))
return pre
# # compare_image.compare_image("1.jpg", "2.jpg")
res = compare_image.compare_image('img1.png','img2.png')
print(res)