【案例】python集成OCR识别工具调研

一、前言

因项目需要OCR识别能力，且要支持私有化部署。本文将对比市场一些开源的OCR识别工具，从中选择适合项目需要的OCR，且后续进一步研究/训练对应OCR模型。
主要OCR识别有：Tesseract_OCR、PaddleOCR、EasyOCR、dddd_ocr、CnOCR
备注说明：后面的图片测试使用如下

二、Tesseract_OCR

Pillow是一个免费开源的图像处理库，它可以用来读取、操作和保存各种各样的图片文件。Tesseract-OCR则是一个强大的光学字符识别引擎，可以离线识别，可以准确地识别图像中的文字，要配合本地安装tesseract-ocr.exe文件一起使用。
Tesseract-OCR特点：

• Tesseract支持UTF-8编码格式，并且可以“开箱即用”地识别100多种语言
• Tesseract支持多种输出格式：纯文本，hOCR（HTML），PDF等
• 官方建议，为了获得更好的OCR结果，最好提供给高质量的图像
• Tesseract进行识别其他语言的训练，具体的训练方式请参考官方提供的文档：https://tesseract-ocr.github.io/tessdoc/

2.1、安装过程

安装环境：