Python OCR识别案例如何识别图片文字

wen python案例 2026-06-29 28

Python OCR识别案例如何识别图片文字——完整实战指南

目录导读

OCR技术简介与适用场景
主流Python OCR库对比与选型
环境搭建与依赖安装
实战案例1：使用Tesseract识别中英文混排图片
实战案例2：基于PaddleOCR的高精度表格文字提取
常见问题与性能优化
问答环节：开发者最关心的5个问题

OCR技术简介与适用场景

OCR（Optical Character Recognition，光学字符识别） 是将图片、扫描件中的文字信息转化为可编辑文本的技术，在实际应用中，企业常需处理合同扫描件、发票照片、名片、书籍截图、手写笔记等场景。

Python OCR识别案例如何识别图片文字

典型场景：
- 财务自动化：从发票图片中提取金额、税号
- 文档数字化：将纸质书籍转为电子文档
- 车牌识别：智能交通系统中的字符提取
- 翻译工具：实时识别外文图片并翻译

Python凭借其丰富的开源库和简洁语法，成为实现OCR最流行的编程语言之一，本文将通过两个完整案例，揭示如何高效实现“图片文字识别”。

主流Python OCR库对比与选型

目前最常用的三个库：

库名称	优点	缺点	适用场景
Tesseract	免费开源，支持100+语言	对复杂排版效果一般	文档、印刷体文字
PaddleOCR	中文准确率极高，支持垂直文字	依赖PaddlePaddle框架	中文发票、手写体
EasyOCR	支持80+语言，部署简单	速度较慢	多语言混合场景

选型建议：

纯英文印刷体 → Tesseract

中文、复杂版式（如表格、倾斜文字）→ PaddleOCR

轻量级多语言 → EasyOCR

环境搭建与依赖安装

以PaddleOCR为例，完整安装命令如下（推荐使用Python 3.8–3.10）：

# 步骤1：创建虚拟环境（可选但推荐）
python -m venv ocr_env
source ocr_env/bin/activate  # Linux/Mac
ocr_env\Scripts\activate     # Windows
# 步骤2：安装核心库
pip install paddlepaddle==2.6.1  # CPU版（若需GPU请安装paddlepaddle-gpu）
pip install paddleocr
pip install opencv-python pillow  # 图像预处理辅助

验证安装：

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang='ch')  # 初始化
print("PaddleOCR 安装成功")

实战案例1：使用Tesseract识别中英文混排图片

场景：有一张包含中文标题+英文关键词的产品说明书截图。

1 安装Tesseract引擎

Windows：下载exe安装包（选择中文包支持）
Linux：sudo apt install tesseract-ocr tesseract-ocr-chi-sim
Mac：brew install tesseract tesseract-lang

2 代码实现

import pytesseract
from PIL import Image
# 打开图片
img = Image.open('product_manual.png')
# 使用中文+英文语言包
text = pytesseract.image_to_string(img, lang='chi_sim+eng')
# 输出识别结果
print("识别结果：\n", text)

效果示例：
输入图片：【新品发布】Smart Sensor v3.0
输出：【新品发布】Smart Sensor v3.0

注意事项：

图片分辨率建议≥300dpi

识别前可进行灰度化、二值化等预处理

实战案例2：基于PaddleOCR的高精度表格文字提取

场景：一张含表格的增值税发票图片，需要提取“金额”“税率”等字段。

1 完整代码（含预处理）

from paddleocr import PaddleOCR
import cv2
import numpy as np
ocr = PaddleOCR(use_angle_cls=True, lang='ch', use_gpu=False)
# 读取图片
img = cv2.imread('invoice.jpg')
# 灰度化 + 二值化（提升对比度）
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)
# OCR识别
result = ocr.ocr(binary, cls=True)
# 提取文字与坐标
extracted_data = []
for line in result[0]:
    text = line[1][0]      # 识别文本
    confidence = line[1][1] # 置信度
    extracted_data.append((text, confidence))
# 筛选高置信度结果
filtered = [item for item in extracted_data if item[1] > 0.8]
print("高精度识别结果：")
for text, conf in filtered:
    print(f"{text} (置信度: {conf:.2f})")

输出示例：

购买方名称：某某科技有限公司 (置信度: 0.99)  
金额：5000.00 (置信度: 0.98)  
税率：13% (置信度: 0.97)

2 进阶：自动纠正倾斜

若图片有旋转,添加以下代码：

coords = [line[0] for line in result[0]]
angle = cv2.minAreaRect(np.array(coords))[2]  # 获取倾斜角度
# 自动旋转修正（代码略）

常见问题与性能优化

❌ 问题1：识别结果包含乱码

原因：语言包未安装或图片质量差
解决：
- 重装语言包（如Tesseract的chi_sim）
- 提高图片分辨率，去除噪点

❌ 问题2：识别速度慢

原因：全图处理、未使用GPU
优化：
- 裁剪感兴趣区域（ROI）
- 使用use_gpu=True（需安装CUDA）
- 缩小图片尺寸（保持宽高比≥300px）

❌ 问题3：中英文混排识别率低

解决：
- 优先使用PaddleOCR（自带中英文分离模型）
- Tesseract中明确指定语言组chi_sim+eng

问答环节：开发者最关心的5个问题

Q1：PaddleOCR和Tesseract哪个更适合中文？

A：PaddleOCR在中文、手写体、表格识别方面准确率更高（可达90%以上），且支持垂直文字，Tesseract适合基础英文或简单中文印刷体,但对复杂排版效果较差。

Q2：如何提高OCR识别准确率？

A：

图像预处理：灰度化、二值化、去噪（中值滤波）
分辨率至少300dpi
使用use_angle_cls=True（PaddleOCR自动矫正方向）
针对特定字体训练自定义模型（进阶需求）

Q3：OCR能识别手写文字吗？

A：可以，但准确率取决于手写工整程度，PaddleOCR提供手写识别模型（rec_model_dir参数指定）,建议对手写内容进行对比度增强。

Q4：如何处理包含多语言的图片？

A：

Tesseract：在lang参数中加号连接，如chi_sim+eng+ja
PaddleOCR：设置lang='ch'会自动检测混合语言

Q5：OCR识别后如何进行结构化提取？

A：结合正则表达式或命名实体识别（NER），例如提取邮箱：

import re
text = "联系邮箱：admin@example.com"
email = re.search(r'\S+@\S+', text).group()

通过本文的两个案例,您已掌握使用Python进行OCR识别的核心方法：

Tesseract：适合快速部署、多语言混合场景
PaddleOCR：专攻中文高精度识别，尤其擅长表格、倾斜文字

最佳实践：先用PaddleOCR尝试，若精度不满足再结合图像预处理优化，所有代码均可直接复制运行，建议从发票、合同等清晰文档开始练习,逐步挑战低质量图片。

延伸阅读：

PaddleOCR官方文档
Tesserocr进阶技巧 (此处已将域名替换)

注：本文案例基于Python 3.9、PaddleOCR 2.8.0版本，实际运行时请保持库版本兼容。