OpenCV结合Tesseract实现图片OCR识别完整流程

慢慢来

发布时间：2026-10-14 | 3人浏览过

原创

本文详细讲解如何使用OpenCV对文档图片进行预处理、边缘检测与透视变换，提升图像质量后，结合Tesseract引擎进行OCR文字识别。内容涵盖环境配置、代码实现及关键参数设置，帮助开发者掌握从图片到文本的完整技术链路。

一、图片变换

0、导入模块

首先导入所需的函数库。如果在运行过程中遇到模块缺失报错，请直接通过pip install命令安装对应的函数名即可解决依赖问题。


import numpy as np
import argparse
import cv2

参数初始化


ap = argparse.ArgumentParser()
ap.add_argument("-i", "--image", required = True,
  help = "Path to the image to be scanned") 
args = vars(ap.parse_args())

Parameters:

--image images\page.jpg

1、重写resize函数


def resize(image, width=None, height=None, inter=cv2.INTER_AREA):
  dim = None
  (h, w) = image.shape[:2]
  if width is None and height is None:
   return image
  if width is None:
   r = height / float(h)
   dim = (int(w * r), height)
  else:
   r = width / float(w)
   dim = (width, int(h * r))
  resized = cv2.resize(image, dim, interpolation=inter)
  return resized

2、预处理

读取图片后首先进行尺寸重置，并计算相应的缩放倍数；随后依次执行灰度化、高斯滤波去噪以及Canny边缘轮廓提取操作。


image = cv2.imread(args["image"])
ratio = image.shape[0] / 500.0
orig = image.copy()
image = resize(orig, height = 500)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.GaussianBlur(gray, (5, 5), 0)
edged = cv2.Canny(gray, 75, 200)

3、边缘检测

对提取的边缘进行轮廓检测并按面积排序，接着遍历排序后的轮廓列表以寻找目标区域。


cnts = cv2.findContours(edged.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)[0]# 轮廓检测
cnts = sorted(cnts, key = cv2.contourArea, reverse = True)[:5]#保留前5个轮廓

# 遍历轮廓
for c in cnts:
  # 计算轮廓近似
  peri = cv2.arcLength(c, True)# 计算轮廓长度，C表示输入的点集，True表示轮廓是封闭的
  #(C表示输入的点集，epslion判断点到相对应的line segment 的距离的阈值,曲线是否闭合的标志位)
  approx = cv2.approxPolyDP(c, 0.02 * peri, True)

  # 4个点的时候就拿出来
  if len(approx) == 4:
   screenCnt = approx
   break

4、透视变换

绘制近似轮廓，执行透视变换以校正视角，最后进行二值化处理以增强文字对比度。


cv2.drawContours(image, [screenCnt], -1, (0, 255, 0), 2)
warped = four_point_transform(orig, screenCnt.reshape(4, 2) * ratio)#透视变换

# 二值处理
warped = cv2.cvtColor(warped, cv2.COLOR_BGR2GRAY)
ref = cv2.threshold(warped, 100, 255, cv2.THRESH_BINARY)[1]
cv2.imwrite('scan.jpg', ref)

二、OCR识别

0、安装tesseract-ocr

链接: 下载

安装完成后，需将Tesseract的安装路径（例如：E:\Program Files (x86)\Tesseract-OCR）添加到系统环境变量或用户环境变量的Path中，以便系统能识别该命令。


tesseract -v#打开命令行，进行测试
tesseract XXX.png result#得到结果 
pip install pytesseract#安装依赖包

接着打开Python安装目录下的pytesseract配置文件，路径通常为C:\ProgramData\Anaconda3\Lib\site-packages\pytesseract\pytesseract.py。找到tesseract_cmd变量，将其修改为Tesseract可执行文件的绝对路径，例如：tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'。

1、导入模块


from PIL import Image
import pytesseract
import cv2
import os

2、预处理

读取经过处理的图片，进行灰度转换及中值滤波去噪，为识别做准备。


image = cv2.imread('scan.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
gray = cv2.medianBlur(gray, 3)

3、输出结果


filename = "{}.png".format(os.getpid())
cv2.imwrite(filename, gray)  
text = pytesseract.image_to_string(Image.open(filename))
print(text)
os.remove(filename)

到此这篇关于OpenCV图片OCR识别的实战示例文章介绍完毕，更多相关OpenCV图片识别内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！