Python 识别图片文字的效果是不是很差？

看上去很不专业的标题才能吸引评论，楼主其实是想用这种方法吸引人来解决问题，现在楼主的目的已经达到了。高，实在是高

OCR 这东西我上半年摸鱼玩了一会儿，也是拿 python 写的代码（基本只会这个语言目前），也是着重尝试了 tesseract 。
我个人觉得 tesseract 还是很不错的，性能也好，扩展性也好。不过就是对输入图像的要求有点高，需要预先处理一下，我当时也趁着这个机会玩了玩 opencv 里面的二值化，平均权重、高斯权重窗口之类的。
只要对图像进行合理的预处理，效果还是很好的。其实现在很多不管是开源还是商用闭源的 OCR 库，也都是在输入图像的预处理、和识别模型这两个方面同时下手，单抓一手的效果是不尽如人意的。
tesseract 的模型其实一直在更新迭代，版本号也一直在动。说它落后是不对的，只能说它是个很基础的工具，要想用 tesseract 实现更好的效果需要自己额外做一些工作。
我不是机器学习、人工智能之类的科班出身，不过能确定的是 tesseract 的引擎也是神经网络，长短期记忆 LSTM 。
我当时玩下来的经验是，喂的图像得够干净，最好是白底黑字的二值图，或者浅色底深色字符，如果深色底色的话识别效果会明显劣化。完事噪声一定要少，不管是噪点、摩尔纹、还是大片的强光。
图像预处理的时候最好分区块，除非是电子文档的截图，否则总会有不同内容的区块互相干扰，哪怕同样是文字区块，亮度颜色如果不同也不能用相同的方法和参数来处理。
但即使得到了黑白分明字符清晰的二值图，依然是不够的。tesseract 并不能很好地识别各种段落结构、表格结构、复杂排版，它只能应付相对简单的（也有不小的出错概率）。所以最好是先识别出小的文字区块单元，把整个“文章”打散，变成单行、单词。这个可以用 tesseract 自带的接口，也可以用其他什么算法工具，反正只要把所有的字符区块和对应的坐标提取出来，后面只要把这些区块批量识别，再重新按照坐标把结果区块拼起来就行。
思路就是这么个思路，其实其他 OCR 库也基本上是这个套路，去噪、归一、化整为零。
至于 easyocr 和 paddleocr 这种，我也试用过，准确率和适应性确实比 tesseract 好上不少。不过这类工具一般都是机器学习 /深度学习的范畴，虽然也是神经网络为内核，但一般对算力要求更高，得上显卡，否则纯靠 CPU 算就很慢，明显比 tesseract 要慢得多。我手头的二手闲鱼本，4 代酷睿 2C4T 的 CPU ，用 opencv+tesseract 处理一帧 640x480 的图像差不多 300ms 左右，用 easyocr 需要 1 、2 秒，用 paddleocr 得要 5 、6 秒。我当时拿我自己写着玩的代码，python+OpenCV+tesseract ，基本可以在这个分辨率下“实时”显示摄像头中的文字了，而且是窗户阳光直射下，文字媒介表面不平整（键盘上的字，饮料瓶身贴纸），虽然有不少错误识别，但至少画面移到哪儿，一眨眼的功夫就能在命令行里看到对应的文字。换用 easyocr 和 paddleocr ，得等“半天”，而且同样有不少错误（当然比 tesseract 少一些）。
OCR 这个东西虽然算是“半成熟”的技术了吧，但还远没有完整。很多开源项目还在发展，还有很多公司已经在用自己改进的半成品在赚钱了，更有大型企业组织在积极推动底层关键技术。这里面的门道很多，水非常深。如果只是自己玩玩或者要求不太严格的应用的话，请善用他人智慧成果和“权宜之计”，真想短时间做个“尽善尽美”的东西出来是做梦。

@dtdtxybc 又或者是缺金币了

python 就是个调用方，ocr 效果好不好和 Python 有什么关系

识别效果和你的算法和模型有关系，和编程语言没关系

这个锅和 python 有什么关系？

@ch2 #59
tesseract 单就字符识别这块其实不算落后，它只是没有对输入的图像进行很强针对性的预处理，这活交给用户了。
很多现代的 ocr 工具都是杂糅了大量的图像处理、内容分块、排版识别、以及字符处理，运算量极大，多数都是依托于机器学习、深度学习的，不上显卡的话运算速度非常慢。
然后这类新式工具如果要加几个特别的字符的话，就得重新训练一个模型出来。扩展性这方面 tesseract 反而方便得多。
tesseract 就是功能比较少、比较基础，很多字符识别之外的事情得用户自己做。

@zictos
[如果现在假设有一个语言官方本身就支持文字识别，只要一两行代码就行]
问题是没有这种东西就，如果并不成立，好与坏本来就是比出来的，你在这边嘴强半天也没举出你心目中 [在 ocr 方面比 python 效果好的语言] 的例子

金币能用来干嘛 ？

其实我试过像楼主这样的经历，那时确实是菜，提问也没多大技巧，很多时候遇到问题，然后就很表面和直接的地发出来，不过那时候很庆幸的是，那时的社区人很包容，会跟你点到即止或者直接 get 到你的点就直接回复问题了，不像现在围观的多，批评教育的也多

我能相信楼主心情不好过，因为他只不过是因为提了一个问题，本意应该是真的没有贬低 python 的，但是因为表达问题而被大家说了一通

他一开始的认真回复我还是比较认可的，虽然可能还是没有绕出那个圈子

《提问的智慧》

老板还是花点钱请个程序员来解决问题吧
您这逻辑能力真的不太行

没必要对线 ，模型原因， 跟语言没多少关系 ，想准，要么自己训练一个 ，要么花钱用别人的 api ，推荐花钱，这样可以把不准确的锅甩给对面程序员

这问题问得真是外行。。。一个算法的能力和语言有个毛关系
而且 Python 已经是 ML 的主力语言了，个人估计超过 80%的算法后端是用 Python 的

《用明火烤肉效果是不是很差？》

试了一下打火机烤肉，好像很多肉都烤不熟，只有一些很小块的肉才能比较容易烤熟。
用微波炉烤肉很多肉都能烤熟，烤出来也很好吃，但有点担心辐射残留问题。
利用烹饪最多只能达到打火机这种程度的效果了吗？

@mxT52CRuqR6o5 有，Wolfram 语言官方支持 classify 函数，传入图片和标记，传出一个分类函数。

顺便，来点王垠

《机器学习与逻辑编程》
> 实际上，你可以把机器学习的各种框架（ framework ）看成是新的编程语言，它们不同于 Python 或者 C 一类的过程式语言，而更像 Prolog 这样的逻辑式语言。

这点还是得同意的，你实际上运用的是一套全新的语言，而不是 Python 本身。

不是，识别文字是算法的事啊，和语言有个 P 的关系？

@2i2Re2PLMaDnghL #76
你这个例子太过常识了，而自己写图片文字识别的训练模型的话即便是 v2 的程序员也不见得写过。
打火机烤肉基本不具有可操作性，而 pytesseract 模块既然存在就说明它有存在的意义，说不定还是有人认为它勉强能用。