💡 核心优势：支持100多种语言、可处理各种图像格式、高度可定制、开源免费

1. 安装Tesseract OCR

根据操作系统选择安装方式：

• Windows: 下载安装程序 https://github.com/UB-Mannheim/tesseract/wiki
• macOS: brew install tesseract
• Linux (Debian/Ubuntu): sudo apt install tesseract-ocr

2. 安装Python库

使用pip安装所需库：

pip install pytesseract pillow

Pillow库用于图像处理，是pytesseract的依赖库

import pytesseract
from PIL import Image

# 设置Tesseract路径（Windows系统需要）
# pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# 打开图像文件
image = Image.open('sample.png')

# 进行OCR识别
text = pytesseract.image_to_string(image, lang='chi_sim')  # 使用中文简体

# 打印识别结果
print("识别结果:")
print(text)

1. 图像预处理

预处理可以显著提高识别准确率：

from PIL import Image, ImageFilter, ImageEnhance

def preprocess_image(image_path):
    # 打开图像
    img = Image.open(image_path)
    
    # 转换为灰度图
    img = img.convert('L')
    
    # 增强对比度
    enhancer = ImageEnhance.Contrast(img)
    img = enhancer.enhance(2.0)
    
    # 二值化处理
    img = img.point(lambda x: 0 if x < 140 else 255)
    
    # 去噪
    img = img.filter(ImageFilter.MedianFilter(size=3))
    
    return img

processed_img = preprocess_image('document.jpg')
text = pytesseract.image_to_string(processed_img, lang='eng')

2. 获取识别置信度

使用image_to_data获取详细的识别信息：

from pytesseract import Output

# 获取详细识别数据
data = pytesseract.image_to_data(image, output_type=Output.DICT)

# 遍历每个识别的词
for i in range(len(data['text'])):
    if data['conf'][i] > 60:  # 只显示置信度大于60%的结果
        print(f"文本: {data['text'][i]}, 置信度: {data['conf'][i]}")

3. 多语言识别

同时识别多种语言：

# 中英文混合识别
text = pytesseract.image_to_string(image, lang='chi_sim+eng')

# 检查支持的语言
print(pytesseract.get_languages(config=''))

问题1: TesseractNotFound错误

解决方案: 设置正确的tesseract_cmd路径

# Windows系统示例
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'

# Linux/macOS通常不需要设置

问题2: 识别准确率低

解决方案:

• 使用图像预处理技术
• 尝试不同的页面分割模式(PSM)
• 确保使用正确的语言包
• 提高图像分辨率（建议300dpi以上）

问题3: 缺少语言包

解决方案: 安装所需语言包

# Ubuntu安装中文语言包
sudo apt install tesseract-ocr-chi-sim

# macOS使用brew安装
brew install tesseract-lang