1）清洁图像阵列，以使只有文本（生成字体，而不是手写字体）。字母的边缘应无扭曲。 。同时应用一些平滑过滤器。我还建议使用Morfholofical开/关-但这仅是一个奖励。这是应该以数组形式输入PyTesseract识别的夸张示例：@L_403_0@://i.ytimg.com/vi/1ns8tGgdpLY/maxresdefault.jpg
2）使用您要识别的文字将图像调整为更高的分辨率
3）PyTesseract通常应该识别任何类型的字母，但是通过安装用于书写文本的字体，可以极大地提高准确性。
1）以TIFF格式获取所需字体
2）将其上传到http://trainyourtesseract.com/并将经过培训的数据接收到您的电子邮件中
3）将训练后的数据文件（* .traineddata）添加到此文件夹C：\ Program Files（x86）\ Tesseract-OCR \ tessdata
假设您有2种经过训练的字体：font1.traineddata和font2.traineddata
要同时使用这两个命令
txt = PyTesseract.image_to_string（img，lang = ）
import cv2
import PyTesseract
import cv2
import numpy as np
import urllib
import requests
PyTesseract.PyTesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract'
TESSDATA_PREFIX = 'C:/Program Files (x86)/Tesseract-OCR'
from PIL import Image
def url_to_image(url):
resp = urllib.request.urlopen(url)
image = np.asarray(bytearray(resp.read()), dtype="uint8")
image = cv2.imdecode(image, cv2.IMREAD_COLOR)
return image
url='http://jeroen.github.io/images/testocr.png'
img = url_to_image(url)
#img = cv2.GaussianBlur(img,(5,5),0)
img = cv2.medianBlur(img,5)
retval, img = cv2.threshold(img,150,255, cv2.THRESH_BINARY)
txt = PyTesseract.image_to_string(img, lang='eng')
print('recognition:', txt)
>>> txt
'This ts a lot of 12 point text to test the\nocr code and see if it works on all types\nof file format\n\nThe quick brown dog jumped over the\nlazy fox The quick brown dog jumped\nover the lazy fox The quick brown dog\njumped over the lazy fox The quick\nbrown dog jumped over the lazy fox'
602392714
清零编程群
