Python如何对图片按方向自定义进行切割

<think>嗯，用户这次明确要求使用Python进行OCR图片文字识别，并询问相关库的教程。结合之前的对话历史，用户应该已经了解了OCR的基本流程和核心算法（如预处理、文字检测、字符识别等），现在需要实际操作层面的指导。用户可能是开发者或数据分析人员，想快速实现文本提取功能，但可能面临两个潜在需求：1)需要简单易用的现成解决方案；2)可能需要处理特定场景（比如验证码、手写体等）。之前提供的引用中提到了tesseract和easyocr两个库，说明用户可能更关注开源工具。值得注意的细节是用户引用的资料里出现了验证码识别（引用1）和批量处理（引用2），以及中文乱码问题（引用3）。这暗示用户可能遇到中文环境下的实际工程问题。我的回答应该：1）优先推荐成熟稳定的库（如pytesseract）2）给出完整可运行的代码示例3）针对中文环境特别说明配置方法4）补充常见问题解决方法（如乱码）对于推荐方案，pytesseract虽然需要安装引擎但稳定性高；easyocr安装简单但中文需要指定语言包。用户如果处理中文印刷体文档，pytesseract+chi_sim组合更可靠；如果是自然场景文本，easyocr可能效果更好。需要强调环境配置的关键点：Tesseract必须下载中文语言包，并且代码里要显式声明lang=&#39;chi_sim&#39;。预处理部分要加入灰度化、二值化操作（用户之前提供的引用中提到过Otsu算法），这在演示代码中要体现。最后考虑列出常见问题解决方案：字体乱码问题通常源于字符集不匹配（GBK/UTF-8），可以在代码中加入encoding=&#39;utf-8&#39;；批量处理时建议用多进程；精度问题可以通过增加psm参数优化。参考之前用户提到的内容[^1]，票据识别需要模板切割技术，这个在进阶部分稍微提及即可。用户可能延伸的需求包括：如何处理倾斜文字（加入旋转校正）？表格识别怎么处理？这些可以在相关问题里引导。</think> 以下是Python实现OCR图片文字识别的完整教程，结合主流库和最佳实践： ### 一、核心库选择与安装 ```bash # 方案1：Tesseract（成熟稳定，适合印刷体） pip install pytesseract pillow # 下载Tesseract中文包：https://github.com/tesseract-ocr/tessdata # 方案2：EasyOCR（支持多语言，上手快） pip install easyocr opencv-python # 方案3：PaddleOCR（中文场景表现优异） pip install paddlepaddle paddleocr ``` ### 二、代码实现示例 #### ▶ 基础方案：Tesseract识别印刷体 ```python from PIL import Image import pytesseract # 指定Tesseract引擎路径（Windows需配置） pytesseract.pytesseract.tesseract_cmd = r&#39;C:\Program Files\Tesseract-OCR\tesseract.exe&#39; def ocr_tesseract(img_path, lang=&#39;chi_sim&#39;): # chi_sim:简体中文 # 图像预处理 img = Image.open(img_path) img = img.convert(&#39;L&#39;) # 灰度化 img = img.point(lambda x: 0 if x < 180 else 255) # 二值化 # 文本识别 text = pytesseract.image_to_string( img, lang=lang, config=&#39;--psm 6&#39; # 单行文本模式 ) return text.strip() print(ocr_tesseract(&#39;invoice.jpg&#39;)) ``` > **中文识别关键**： > 1. 下载`chi_sim.traineddata`放入`tessdata`目录[^1] > 2. 二值化阈值需根据图像调整（可用Otsu算法自动计算） #### ▶ 进阶方案：EasyOCR识别复杂场景 ```python import easyocr reader = easyocr.Reader([&#39;ch_sim&#39;, &#39;en&#39;]) # 中英文识别 def ocr_easyocr(img_path): results = reader.readtext(img_path, paragraph=True) # 段落模式 return &#39;\n&#39;.join([res[1] for res in results]) # 提取文本内容 print(ocr_easyocr(&#39;street_sign.jpg&#39;)) ``` > **参数说明**： > - `detail=0` 可仅返回文本 > - `batch_size`参数加速批量识别[^2] ### 三、批量识别并保存结果 ```python import os from tqdm import tqdm def batch_ocr(input_dir, output_file): files = [f for f in os.listdir(input_dir) if f.endswith((&#39;.jpg&#39;,&#39;.png&#39;))] with open(output_file, &#39;w&#39;, encoding=&#39;utf-8&#39;) as f_out: for file in tqdm(files): text = ocr_tesseract(os.path.join(input_dir, file)) f_out.write(f"--- {file} ---\n{text}\n\n") batch_ocr(&#39;./doc_scans/&#39;, &#39;output.txt&#39;) ``` ### 四、精准优化策略 1. **图像预处理增强** ```python import cv2 def preprocess(img_path): img = cv2.imread(img_path) # 去噪 img = cv2.fastNlMeansDenoisingColored(img, None, 10, 10, 7, 21) # 锐化 kernel = np.array([[-1,-1,-1], [-1,9,-1], [-1,-1,-1]]) return cv2.filter2D(img, -1, kernel) ``` > 直方图均衡化可增强对比度：`cv2.equalizeHist()` 2. **调整识别参数** - Tesseract的`--psm`模式： ``` --psm 3 全自动（默认） --psm 6 单行文本（适合表格） --psm 11 稀疏文字（带空格的文本） ``` - PaddleOCR方向分类：`enable_angle_cls=True` ### 五、常见问题解决 | 问题现象 | 解决方案 | |------------------------|-----------------------------| | 中文字符乱码 | 添加`encoding=&#39;utf-8&#39;` | | 识别速度慢 | 使用GPU加速：`reader = easyocr.Reader(..., gpu=True)` | | 手写体识别率低 | 训练自定义模型：https://github.com/tesseract-ocr/tesstrain | | 文字方向错误 | 使用`paddleocr`的版面分析功能 |