安装tesseract

首先安装包括安装tesseract-ocr4.0，安装中文/英文字体包，eng是英语，chi_sim是中文。安装python库pytesseract

sudo apt-get install tesseract-ocr
sudo apt-get install tesseract-ocr-eng tesseract-ocr-chi-sim
pip install pytesseract

文字识别

我这里用手机将需要识别的文章拍照，然后将照片放到～/OCR/pic文件夹中然后使用下面的python程序识别照片上的文字，将识别的内容放到~/OCR/out文件夹中,这里用到了一些第三方库，需要提前安装

import pytesseract
import cv2
from PIL import Image
import os
import subprocess

class OCRDETECT:
    def __init__(self,name):
        self.file = './OCR/out/'+ name + '.txt'
        self.picCatalog = './OCR/pic'
        self.detect(self.picCatalog)

    def detect(self,lists):
        path_list=os.listdir(lists)
        pathDir = subprocess.run('ls ./OCR/pic',shell=True,capture_output=True,encoding='utf-8').stdout
        print(pathDir.split())
        a  = pathDir.split()
        for i in a:
            name = './OCR/pic/' + i
            img =  cv2.imread(name)
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            _, self.threshold = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)
            text = pytesseract.image_to_string(self.threshold, lang='chi_sim+eng')
            self.logs(text)
            print('now out ',i)
            # self.displayPic(i)

    def logs(self,text): 
        # 判断日志文件是否存在，不存在则创建
        if not (os.path.exists(self.file)):
            file = open(self.file, "x")
            file.close()
        file = open(self.file, "a")
        file.write(text)
        file.close()
    
    def displayPic(self,name):
        # cv2.imshow('pic',self.threshold)
        file = './OCR/outpic/' + name + '.jpg'
        cv2.imwrite(file,self.threshold)
        # cv2.waitKey(1000)
        print(file)
OCRDETECT('OCR') #输出文件名

大概原理就是先将照片进行二值化处理，然后调用tesseract进行文字的识别，识别的成功率跟照片的清晰度有很大的关系。