此贴用来更新在工作中遇到的一些图片解析内容

一、OCR是什么

OCR（Optical Character Recognition，光学字符识别） 是​一种将图片中的文字自动识别并转换为可编辑文本的技术。比如：

• 把一张手写笔记的照片 ➡️ 转成Word文档
• 把扫描的PDF文件 ➡️ 转成可搜索的文本

二、Python中如何实现OCR

请见:基于Tesseract OCR的文本识别方法及代码示例

1.简单应用

from PIL import Image
import pytesseract# 设置Tesseract路径（根据你的安装位置修改）
pytesseract.pytesseract.tesseract_cmd = r'E:\developer_tools\Tesseract-OCR\tesseract.exe'# 打开图片
image = Image.open("test.png")# 识别文字
text = pytesseract.image_to_string(image, lang='chi_sim+eng')  # 中英文混合识别# 打印结果
print(text)

三、OCR的核心步骤

1.​图像预处理​（提高识别准确率）

• 灰度化：将彩色图转为黑白
• 二值化：让文字更清晰
• 去噪：去除背景干扰

import cv2
image = cv2.imread("test.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转为灰度
_, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)  # 二值化

2.​文字识别

text = pytesseract.image_to_string(binary, lang='chi_sim')

3.​输出结果

• 直接保存为文本文件
• 生成可搜索的PDF（如你问题中的代码）

四、OCR到的应用场景

场景	说明
文档数字化	扫描件/照片转文本
车牌识别	停车场自动识别车牌
发票识别	自动提取发票金额、日期
手写笔记识别	将手写内容转为电子版

五、注意事项

​1.图像质量决定效果：模糊、倾斜、低对比度的图片识别率低。
​2.多语言支持：Tesseract支持100+种语言，需额外下载语言包。
​3.复杂布局处理：表格、多列文本可能需要更复杂的处理。

六、扩展学习

• 其他OCR库：
  • easyocr：更适合中文场景
  • paddleocr：百度开发的OCR工具（中文效果优秀）
• 深度学习OCR：
  • 使用YOLO等模型实现更复杂的文本检测和识别。