OCR图像识别
此贴用来更新在工作中遇到的一些图片解析内容
一、OCR是什么
OCR（Optical Character Recognition，光学字符识别） 是一种将图片中的文字自动识别并转换为可编辑文本的技术。比如：
- 把一张手写笔记的照片 ➡️ 转成Word文档
- 把扫描的PDF文件 ➡️ 转成可搜索的文本
二、Python中如何实现OCR
请见:基于Tesseract OCR的文本识别方法及代码示例
1.简单应用
from PIL import Image
import pytesseract
# 设置Tesseract路径（根据你的安装位置修改）
pytesseract.pytesseract.tesseract_cmd = r'E:\developer_tools\Tesseract-OCR\tesseract.exe'
# 打开图片
image = Image.open("test.png")
# 识别文字
text = pytesseract.image_to_string(image, lang='chi_sim+eng') # 中英文混合识别
# 打印结果
print(text)
三、OCR的核心步骤
1.图像预处理（提高识别准确率）
- 灰度化：将彩色图转为黑白
- 二值化：让文字更清晰
- 去噪：去除背景干扰
import cv2
image = cv2.imread("test.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转为灰度
_, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY) # 二值化
2.文字识别
text = pytesseract.image_to_string(binary, lang='chi_sim')
3.输出结果
- 直接保存为文本文件
- 生成可搜索的PDF（如你问题中的代码）
四、OCR到的应用场景
| 场景 | 说明 |
|---|---|
| 文档数字化 | 扫描件/照片转文本 |
| 车牌识别 | 停车场自动识别车牌 |
| 发票识别 | 自动提取发票金额、日期 |
| 手写笔记识别 | 将手写内容转为电子版 |
五、注意事项
1.图像质量决定效果：模糊、倾斜、低对比度的图片识别率低。
2.多语言支持：Tesseract支持100+种语言，需额外下载语言包。
3.复杂布局处理：表格、多列文本可能需要更复杂的处理。
六、扩展学习
- 其他OCR库：
- easyocr：更适合中文场景
- paddleocr：百度开发的OCR工具（中文效果优秀）
- 深度学习OCR：
- 使用YOLO等模型实现更复杂的文本检测和识别。