Python OCR文本识别详细步骤及代码示例

光学字符识别（OCR）是将图像中的文字转换为可编辑文本的技术。在Python中，我们可以利用多种库实现OCR功能。本文将详细介绍使用Tesseract和EasyOCR进行文本识别的步骤，并提供完整的代码示例。

一、OCR简介

OCR（Optical Character Recognition）技术广泛应用于文档数字化、车牌识别、验证码识别等领域。Python中常用的OCR库有：

1. Tesseract：Google开源的OCR引擎，支持多种语言
2. EasyOCR：基于Tesseract的封装库，使用更简单
3. PaddleOCR：百度飞桨框架下的OCR系统，支持中英文识别

二、环境准备 

1. 安装必要库
 

# 安装Tesseract（需要先安装系统级依赖）# Ubuntu: sudo apt install tesseract-ocr# macOS: brew install tesseract# Windows: 通过安装包安装# 安装Python库pip install pillow # 图像处理库pip install pytesseract # Tesseract的Python封装pip install easyocr # EasyOCR库

2. 准备测试图像

准备一张包含清晰文字的测试图片（如test.png），建议：

• 文字方向为正
• 背景与文字对比明显
• 图片分辨率适中（建议300dpi以上）

三、使用Tesseract进行OCR

1. 基础识别

from PIL import Imageimport pytesseract# 打开图像文件image = Image.open('test.png')# 执行OCR识别text = pytesseract.image_to_string(image, lang='eng+chi_sim') # 中英文识别# 打印结果print("识别结果：\n", text)

​这里插播一条粉丝福利，如果你正在学习Python或者有计划学习Python，想要突破自我，对未来十分迷茫的，可以点击这里获取最新的Python学习资料和学习路线规划（免费分享，记得关注）

2. 图像预处理（提高识别率）

import easyocr# 初始化阅读器（首次使用会自动下载模型）reader = easyocr.Reader(['ch_sim','en']) # 中英文模型# 执行识别results = reader.readtext('test.png', detail=0)# 打印结果print("识别结果：\n", results)

四、使用EasyOCR进行OCR

1. 基础识别

import easyocr# 初始化阅读器（首次使用会自动下载模型）reader = easyocr.Reader(['ch_sim','en']) # 中英文模型# 执行识别results = reader.readtext('test.png', detail=0)# 打印结果print("识别结果：\n", results)

2. 获取详细识别信息

results = reader.readtext('test.png', detail=1)for (bbox, text, prob) in results:print(f'文本: {text}, 置信度: {prob:.2f}, 位置: {bbox}')

五、结果后处理

def post_process(text):# 去除特殊字符text = ''.join(filter(str.isalnum, text))# 替换常见错误replacements = {'0': 'O','1': 'I','5': 'S','€': 'E'}for old, new in replacements.items():text = text.replace(old, new)return text# 应用后处理final_text = post_process(text)print("后处理结果：\n", final_text)

六、提高识别准确率的技巧

1. 图像预处理：
   • 调整对比度
   • 去除噪声
   • 矫正倾斜文本
   • 统一文字方向
2. 参数调整：
   • 尝试不同语言模型组合
   • 调整识别参数（如psm参数控制页面分割模式）
3. 使用更强大的模型：
   • 对于复杂场景，可以尝试PaddleOCR等专业OCR系统
   • 使用深度学习模型进行端到端训练
4. 多帧识别：
   • 对视频或连续帧进行识别时，可以结合上下文信息进行校正

七、注意事项

1. 对于复杂版式（如表格、多列文本），需要先进行版面分析
2. 手写体识别需要专门的模型（如Tesseract的手写体训练数据）
3. 识别准确率受图像质量影响较大，建议：
   • 保证文字清晰可见
   • 避免反光和阴影
   • 保持文字方向一致
4. 对于重要数据，建议人工校验识别结果

通过本文的介绍，您可以快速掌握Python OCR的基本使用方法。根据具体需求，可以选择合适的OCR库并进行参数调优，以达到最佳的识别效果。对于更复杂的场景，可以考虑结合深度学习技术进行模型优化。

需要完整源代码以及Python全套学习资料的宝子可以：扫描下方CSDN官方二维码获娶↓↓↓↓↓