Linux中的Python OCR模塊？

Question

我想在linux中找到一個易於使用的OCR python模塊，我找到了pytesser http://code.google.com/p/pytesser/ ，但它包含一個.exe可執行文件。

我嘗試改變代碼使用wine，它確實有效，但它太慢了，真的不是一個好主意。

是否有任何易用的Linux替代品？

Answer 1

你可以在一個函數中包裝tesseract ：

import os
import tempfile
import subprocess

def ocr(path):
    temp = tempfile.NamedTemporaryFile(delete=False)

    process = subprocess.Popen(['tesseract', path, temp.name], stdout=subprocess.PIPE, stderr=subprocess.STDOUT)
    process.communicate()

    with open(temp.name + '.txt', 'r') as handle:
        contents = handle.read()

    os.remove(temp.name + '.txt')
    os.remove(temp.name)

    return contents

如果您想要文檔分段和更高級的功能，請試用OCRopus 。

Answer 2

除了Blender的答案，那只是執行Tesseract可執行文件，我想補充一點，OCR還有其他替代方案，也可以稱為外部進程。

ABBYY命令行OCR實用程序： http ：//ocr4linux.com/en： start

它不是免費的，所以值得考慮的是，如果Tesseract准確性不足以完成您的任務，或者您需要更復雜的布局分析，或者您需要導出PDF，Word和其他文件。

更新：這里是ABBYY和tesseract准確性的比較： http ： //www.splitbrain.org/blog/2010-06/15-linux_ocr_software_comparison

免責聲明：我為ABBYY工作

Answer 3

python tesseract

http://code.google.com/p/python-tesseract

import cv2.cv as cv
import tesseract

api = tesseract.TessBaseAPI()
api.Init(".","eng",tesseract.OEM_DEFAULT)
api.SetPageSegMode(tesseract.PSM_AUTO)

image=cv.LoadImage("eurotext.jpg", cv.CV_LOAD_IMAGE_GRAYSCALE)
tesseract.SetCvImage(image,api)
text=api.GetUTF8Text()
conf=api.MeanTextConf()

Answer 4

您應該嘗試使用優秀的scikits.learn庫進行機器學習。 你可以找到兩個准備在這里和這里運行的代碼。

Answer 5

你有很多選擇。

正如其他人所指出的那樣，一種方法是使用tesseract。 看起來現在有一堆包裝器，所以最好的方法是快速搜索它。 這些天最常用的是：

• pytesseract
• pytesser
• tesserwrap
• pyocr

另一個尋找類似引擎的有用網站是另類 。 根據它們的一些基於Linux的系統是：

• ABBYY
• 正方體
• 楔形的
• Ocropus
• GOCR