[已解决]请问，这段代码哪里有问题呢 运行出错

wp231957

1. import pytesseract
   
2. from PIL import Image
   
3. 
   
4. def extract_text_from_image(image_path):
   
5.     # 打开图片
   
6.     image = Image.open(image_path)
   
7.    
   
8.     # 图片文字识别
   
9.     text = pytesseract.image_to_string(image, lang='chi_sim')
   
10.    
    
11.     return text
    
12. 
    
13. print(extract_text_from_image("d:\\tmp.jpg"))   

复制代码

最佳答案

月排行榜 / 总排行榜

FishC

2024-4-10 15:16:08

wp231957 发表于 2024-04-10 15:15
是的，就是这样操作的，可是还是提示
D:\pige>D:/Pyt ...

根据错误提示，问题出在无法找到`chi_sim.traineddata`文件。这可能是因为您的TESSDATA_PREFIX环境变量设置不正确，或者缺少相应的语言训练数据文件。请按照以下步骤检查和解决问题：

1. 确保TESSDATA_PREFIX环境变量的值正确设置为Tesseract OCR的`tessdata`文件夹的路径，比如`C:\Program Files\Tesseract-OCR\tessdata`。您可以通过在命令行中运行`echo %TESSDATA_PREFIX%`命令来验证环境变量是否已正确设置。

2. 确认`tessdata`文件夹中包含`chi_sim.traineddata`文件。如果没有，请从Tesseract OCR的官方网站（https://github.com/tesseract-ocr/tessdata）下载适用于简体中文的训练数据，并将其放置在`tessdata`文件夹中。

3. 如果以上步骤都正确，但问题仍然存在，建议您尝试将`lang='chi_sim'`更改为`lang='chi_sim+eng'`，这将使用简体中文和英文的组合语言进行识别。

希望以上解决方法能帮助您解决问题。如果还有其他疑问，请随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

跳转到最佳答案楼层

FishC

这段代码的运行出错可能是由于缺少Tesseract OCR库引起的。在使用pytesseract之前，您需要安装Tesseract OCR并确保其可访问。

以下是解决该问题的步骤：
1. 安装Tesseract OCR。您可以从Tesseract OCR的官方网站（https://github.com/tesseract-ocr/tesseract）下载并安装适用于您的操作系统的版本。如果您是Windows用户，可以从https://github.com/UB-Mannheim/tesseract/wiki 下载预先编译好的Windows版本。
2. 确保将Tesseract OCR的安装目录添加到环境变量中。这样，您就可以在命令行或终端中直接调用Tesseract OCR。
3. 安装pytesseract。您可以使用pip命令（pip install pytesseract）来安装pytesseract库。

完成上述步骤后，您的代码应该可以正常运行了。如果还有其他问题，请告诉我。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 14:37
这段代码的运行出错可能是由于缺少Tesseract OCR库引起的。在使用pytesseract之前，您需要安装Tesseract OC ...

如何能知道 Tesseract OCR  是否正确安装呢

我已经下载并安装，并添加到环境变量

但是   下面代码还是无法运行

1. import pytesseract
   
2. from PIL import Image
   
3. 
   
4. def extract_text_from_image(image_path):
   
5.     # 打开图片
   
6.     image = Image.open(image_path)
   
7.    
   
8.     # 图片文字识别
   
9.     text = pytesseract.image_to_string(image, lang='chi_sim')
   
10.    
    
11.     return text
    
12. 
    
13. print(extract_text_from_image("d:\\tmp.jpg"))   

复制代码

FishC

wp231957 发表于 2024-04-10 14:50
如何能知道 Tesseract OCR  是否正确安装呢

我已经 ...

要检查Tesseract OCR是否正确安装，您可以尝试在命令行或终端中直接调用Tesseract OCR。在Windows上，您可以按下Win + R键，然后输入"cmd"（不包括引号）来打开命令提示符。在Mac或Linux上，您可以打开终端应用程序。然后，输入"tesseract"命令并按下回车键。如果安装成功，您将看到有关Tesseract OCR的使用说明和选项。

如果您在命令行或终端中无法调用Tesseract OCR，可能是由于环境变量设置不正确。请确保将Tesseract OCR的安装目录正确添加到您的系统环境变量中。

另外，请确保您还安装了必要的Python库。您可以使用以下命令来安装所需的库：
pip install pytesseract
pip install pillow

如果您已经进行了上述步骤，并且命令行或终端中可以正常调用Tesseract OCR，那么问题可能是出在代码中。请检查您的代码是否正确，包括文件路径、文件格式等问题。如果可能，请提供完整的错误信息以便进一步帮助您解决问题。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 14:50
要检查Tesseract OCR是否正确安装，您可以尝试在命令行或终端中直接调用Tesseract OCR。在Windows上， ...

pytesseract.pytesseract.TesseractError: (1, 'Error opening data file C:\\Program Files\\Tesseract-OCR/tessdata/chi_sim.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'chi_sim\' Tesseract couldn\'t load any languages! Could not initialize tesseract.')

好像是text = pytesseract.image_to_string(image, lang='chi_sim')   这里的chi_sim  有问题
这个东西是干啥的  该如何修改

FishC

wp231957 发表于 2024-04-10 15:01
pytesseract.pytesseract.TesseractError: (1, 'Error ...

这个错误提示表明Tesseract OCR无法找到所需的语言数据文件。'chi_sim'是Tesseract OCR用于识别简体中文的语言标识符。

要解决这个问题，您可以尝试以下两种方法之一：
1. 指定正确的语言数据文件路径：在使用image_to_string函数时，将语言标识符更改为指向正确的语言数据文件路径。例如，如果您的Tesseract OCR安装目录为"C:\\Program Files\\Tesseract-OCR"，则可以使用以下代码：

1. text = pytesseract.image_to_string(image, lang='chi_sim', config='--tessdata-dir "C:\\Program Files\\Tesseract-OCR\\tessdata"')

复制代码

2. 设置TESSDATA_PREFIX环境变量：将TESSDATA_PREFIX环境变量设置为Tesseract OCR的tessdata文件夹路径。在Windows上，您可以打开“环境变量”对话框，添加一个名为TESSDATA_PREFIX的新系统变量，并将其值设置为Tesseract OCR的tessdata文件夹的路径（例如，C:\\Program Files\\Tesseract-OCR\\tessdata）。在代码中不再需要指定语言标识符，因为它将自动从环境变量中获取。

请注意，确保您的Tesseract OCR安装目录和tessdata文件夹路径正确，并根据您的实际情况进行相应的更改。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 15:01
这个错误提示表明Tesseract OCR无法找到所需的语言数据文件。'chi_sim'是Tesseract OCR用于识别简体中 ...

请问，我设置了系统级别的 环境变量  
还用设置ADMINISTRATOR的环境变量吗  还是说 设置admin的环境变量   不用设置系统级别的呢

FishC

wp231957 发表于 2024-04-10 15:14
请问，我设置了系统级别的 环境变量  
还用设置ADMIN ...

一般情况下，设置系统级别的环境变量就足够了。系统级别的环境变量可以被所有用户访问，包括管理员和普通用户。因此，您只需要设置系统级别的TESSDATA_PREFIX环境变量，而无需设置特定于管理员的环境变量。

设置系统级别的环境变量的步骤如下：
1. 打开“系统属性”对话框。您可以使用快捷键Win + Pause/Break键来打开。
2. 点击“高级系统设置”选项卡。
3. 在弹出的窗口中，点击“环境变量”按钮。
4. 在“系统变量”部分，点击“新建”按钮。
5. 输入变量名为TESSDATA_PREFIX，并将变量值设置为Tesseract OCR的tessdata文件夹的路径（例如，C:\Program Files\Tesseract-OCR\tessdata）。
6. 点击“确定”按钮保存设置。

请注意，在更改环境变量之后，您可能需要重启计算机才能使更改生效。

希望这可以帮助到您！如果还有其他问题，请随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 15:14
一般情况下，设置系统级别的环境变量就足够了。系统级别的环境变量可以被所有用户访问，包括管理员和普 ...

是的，就是这样操作的，可是还是提示
D:\pige>D:/Python37/python.exe d:/pige/ocr.py
Traceback (most recent call last):
  File "d:/pige/ocr.py", line 13, in <module>
    print(extract_text_from_image("d:\\tmp.jpg"))
  File "d:/pige/ocr.py", line 9, in extract_text_from_image
    text = pytesseract.image_to_string(image, lang='chi_sim')
  File "D:\Python37\lib\site-packages\pytesseract\pytesseract.py", line 427, in image_to_string
    }[output_type]()
  File "D:\Python37\lib\site-packages\pytesseract\pytesseract.py", line 426, in <lambda>
    Output.STRING: lambda: run_and_get_output(*args),
  File "D:\Python37\lib\site-packages\pytesseract\pytesseract.py", line 288, in run_and_get_output
    run_tesseract(**kwargs)
  File "D:\Python37\lib\site-packages\pytesseract\pytesseract.py", line 264, in run_tesseract
    raise TesseractError(proc.returncode, get_errors(error_string))
pytesseract.pytesseract.TesseractError: (1, 'Error opening data file C:\\Program Files\\Tesseract-OCR\\tessdata/chi_sim.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'chi_sim\' Tesseract couldn\'t load any languages! Could not initialize tesseract.')

FishC

wp231957 发表于 2024-04-10 15:15
是的，就是这样操作的，可是还是提示
D:\pige>D:/Pyt ...

根据错误提示，问题出在无法找到`chi_sim.traineddata`文件。这可能是因为您的TESSDATA_PREFIX环境变量设置不正确，或者缺少相应的语言训练数据文件。请按照以下步骤检查和解决问题：

1. 确保TESSDATA_PREFIX环境变量的值正确设置为Tesseract OCR的`tessdata`文件夹的路径，比如`C:\Program Files\Tesseract-OCR\tessdata`。您可以通过在命令行中运行`echo %TESSDATA_PREFIX%`命令来验证环境变量是否已正确设置。

2. 确认`tessdata`文件夹中包含`chi_sim.traineddata`文件。如果没有，请从Tesseract OCR的官方网站（https://github.com/tesseract-ocr/tessdata）下载适用于简体中文的训练数据，并将其放置在`tessdata`文件夹中。

3. 如果以上步骤都正确，但问题仍然存在，建议您尝试将`lang='chi_sim'`更改为`lang='chi_sim+eng'`，这将使用简体中文和英文的组合语言进行识别。

希望以上解决方法能帮助您解决问题。如果还有其他疑问，请随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 15:16
根据错误提示，问题出在无法找到`chi_sim.traineddata`文件。这可能是因为您的TESSDATA_PREFIX环境变量 ...

不错不错
3. 如果以上步骤都正确，但问题仍然存在，建议您尝试将`lang='chi_sim'`更改为`lang='chi_sim+eng'`，这将使用简体中文和英文的组合语言进行识别。

这个可以，难道是我原始图片中  没有汉字  造成的      

FishC

wp231957 发表于 2024-04-10 15:26
不错不错
3. 如果以上步骤都正确，但问题仍然存在， ...

是的，如果您的原始图片中没有汉字，即使配置正确，Tesseract OCR也无法识别汉字。Tesseract OCR是一种用于文字识别的工具，主要用于处理文本内容。如果您的图片中只包含非文字内容，那么识别结果可能会非常有限或为空。请确保您的图片中包含了您期望识别的文字内容，这样才能得到正确的识别结果。如果您想识别其他类型的内容（例如数字、英文等），可以尝试使用相应的训练数据和配置来进行识别。希望这能解决您的问题！如果还有其他问题，请随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 15:27
是的，如果您的原始图片中没有汉字，即使配置正确，Tesseract OCR也无法识别汉字。Tesseract OCR是一种 ...

可是，识别出来的误差比较大啊，，这个能解决吗

FishC

wp231957 发表于 2024-04-10 15:29
可是，识别出来的误差比较大啊，，这个能解决吗

识别误差的大小通常取决于图片的质量、文字的清晰度以及Tesseract OCR的配置。虽然Tesseract OCR是一种强大的文字识别工具，但在某些情况下，它可能会出现一定程度的误差。

如果您发现识别结果的误差较大，您可以尝试以下方法来改善识别结果：

1. 图片处理：使用图像处理技术，如调整对比度、亮度、锐化等，以提高文字的清晰度和可读性。

2. 语言模型：根据需要，考虑使用更适合您的文字内容的语言模型。Tesseract OCR支持多种语言模型，您可以根据实际情况选择最合适的语言模型进行识别。

3. 字符训练：针对特定领域或字体，您可以通过训练自定义字符集模型来提高识别准确性。这涉及到一些复杂的步骤，包括收集样本、标记字符、训练模型等。但这可以帮助您更好地应对特定场景下的识别问题。

4. 调整识别参数：尝试调整Tesseract OCR的识别参数，例如Page Segmentation Mode（页面分割模式）、OEM（OCR Engine Mode）等，以找到最适合您图片和文字内容的配置。

需要注意的是，完美的识别结果并非总是可行的，特别是当图片质量较差或者文字内容复杂时。因此，在使用OCR工具时，我们需要根据实际需求和实际情况来合理评估并接受一定的误差。

希望以上方法能帮助您改善识别结果。如果还有其他问题，请随时提问！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

wp231957

FishC 发表于 2024-4-10 15:29
识别误差的大小通常取决于图片的质量、文字的清晰度以及Tesseract OCR的配置。虽然Tesseract OCR是一种 ...

如果用百度的api 呢   会提高识别率吗

FishC

wp231957 发表于 2024-04-10 15:38
如果用百度的api 呢   会提高识别率吗

使用百度的OCR API可能会提高识别率，因为百度OCR API是由百度公司开发维护的，具有较高的准确性和可靠性。它采用了先进的深度学习算法，可以处理各种类型的图片，并提供多种语言的文字识别支持。您可以按照以下步骤尝试使用百度OCR API来改善识别结果：1. 注册百度开发者账号并创建一个应用。2. 获取API Key和Secret Key。在百度开发者控制台中，创建一个OCR应用并获取相应的API Key和Secret Key。3. 安装百度AI Python SDK。您可以使用pip命令（pip install baidu-aip）来安装百度AI Python SDK。4. 编写代码。以下是一个使用百度OCR API进行文字识别的示例代码：

1. from aip import AipOcr
   
2. 
   
3. def extract_text_from_image(image_path):
   
4.     # 设置API Key和Secret Key
   
5.     APP_ID = 'your_app_id'
   
6.     API_KEY = 'your_api_key'
   
7.     SECRET_KEY = 'your_secret_key'
   
8. 
   
9.     # 创建AipOcr对象
   
10.     client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
    
11. 
    
12.     # 读取图片文件
    
13.     with open(image_path, 'rb') as f:
    
14.         image = f.read()
    
15. 
    
16.     # 调用文字识别接口
    
17.     result = client.basicGeneral(image)
    
18. 
    
19.     # 解析识别结果
    
20.     text = ''
    
21.     words = result.get('words_result')
    
22.     if words:
    
23.         for word in words:
    
24.             text += word.get('words', '')
    
25. 
    
26.     return text
    
27. 
    
28. print(extract_text_from_image("d:\\tmp.jpg"))

复制代码

请替换示例代码中的"your_app_id"、"your_api_key"和"your_secret_key"为您自己应用的相关信息。

通过使用百度OCR API，您可以利用百度强大的OCR技术来提高文字识别的准确性和可靠性。希望这能帮到您！如果还有其他问题，请随时提问。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

zhuxx

FishC 发表于 2024-4-10 15:14
一般情况下，设置系统级别的环境变量就足够了。系统级别的环境变量可以被所有用户访问，包括管理员和普 ...

点赞

FishC

zhuxx 发表于 2024-04-11 09:28
点赞

感谢您的支持和点赞！如果您有任何其他问题或需要进一步的帮助，请随时向我提问。我会尽力为您解答。祝您编程学习顺利！

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

梦梦见岛

在运行代码之前，你需要确保已经安装了&#160;pytesseract&#160;库和&#160;PIL&#160;库，并正确配置了&#160;pytesseract&#160;。同时，图像文字识别的准确性可能会受到多种因素的影响，例如图片质量、文字清晰度等。（我也不懂）

wp231957

FishC 发表于 2024-4-10 15:38
使用百度的OCR API可能会提高识别率，因为百度OCR API是由百度公司开发维护的，具有较高的准确性和可靠 ...

你是否了解  注册百度  api 账号  获取其密钥   这是收费的  还是免费的