光学字符识别（Optical Character Recognition, OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。亦即将图像中的文字进行识别，并以文本的形式返回。

ocr的发展已经有了非常多的积累，一般人或者企业使用， 都是直接使用第三方的服务，目前提供第三方服务的大企业也非常多，百度，阿里云，腾讯等等，都提供了非常方便的api接口，可以进行调用，识别的速度、精确度和效果也都是非常不错的。唯一的缺点就是api的调用是需要收费的，对于调用频次不高的个人和企业，这个费用还是非常低的。

目前因为公司的现状，使用开源的有几个目的

目前针对ocr的相关开源项目也还是有不少的，作者正好是公司也需要类似的功能，所以做了一些简单的调研，在这里进行记录。

对于调研不准确的希望大家指出

Tesseract 是谷歌开发并开源的图像文字识别引擎，使用python开发。

所以针对目前公司的现状，放弃了这个项目的学习和调研

PaddleOCR 是百度开源的中文识别的ocr开源软件

EasyOCR 是一个用 Python 编写的 OCR 库，用于识别图像中的文字并输出为文本，支持 80 多种语言。

chineseocr

chineseocr_lite

TrWebOCR

cnocr

针对上面的比较讨论，同时根据现在的公司的情况和之前既定的一些目标，暂时选择最简单的cnocr进行学习和内部学习和使用。同时也针对目前cnocr仅仅是一个python包，而且无法通过接口进行调用的情况，做了一个补充项目 hn_ocr 。

目前放到github上面，欢迎大家一起学习和完善。

你好，如果是英文的话。你可以用下面的库。

　　pytesser，OCR in Python using the Tesseract engine from Google。是谷歌OCR开源项目的一个模块，可将中的文字转换成文本（主要是英文）

如果要识别中文还需要下载对应的训练集：https://githubcom/tesseract-ocr/tessdata

，下载”chi_simtraineddata”，然后copy到训练数据集的存放路径。下面是一个例子的代码。

#!/usr/bin/env python3

# -- coding: utf-8 --

import pytesseract

from PIL import Image

# open image

image = Imageopen('testpng')

code = pytesseractimage_to_string(image, lang='chi_sim')

print(code)

在自己的配置文件里面加上下面的语句，启用Vundle：

set nocompatible " be iMproved

filetype off " required!

set rtp+=~/vim/bundle/vundle/

call vundle#rc()

    EasyOCR实际上是一个python包，它将pytorch作为后端处理程序。EasyOCR像任何其他OCR（谷歌的tesseract或任何其他OCR）一样从图像中检测文本，但在我使用它的参考资料中，我发现它是从图像中检测文本的最直接的方法，而且高端深度学习库（pytorch）在后端支持它，这使它的准确性更可靠。EasyOCR支持42多种语言用于检测目的。

    可以在 easyocr · PyPI  上查看easyocr模块说明信息以及用法。

    easyocrReader设置语言列表，可以同时通过多种语言，但并非所有语言都可以一起使用，英语与每种语言兼容。将模型加载到内存中需要一些时间，但它只需要运行一次。

    比如下面的设置语言，可根据中的文字类别来选择。

reader_ch_tra = easyocrReader(['ch_tra', 'en'])，指定繁体中文和英语

reader_ch_sim = easyocrReader(['ch_sim', 'en'])，指定简体中文和英语

reader_ch_en = easyocrReader(['en'])，指定英语

1、标牌文字识别

    可以指定detail = 0来简单的输出。

    可以在命令行中调用easyocr工具来实现命令行解析。

2 、车牌识别

3 、验证码识别

4、长篇文字

文字点选验证码（Click Captcha）是一种常见的验证码形式，通常由若干个字符或单词组成，要求用户点击其中指定的字符或单词，以验证用户身份。

在Python开发中实现文字点选验证码，一种常用的方法是使用图像处理库和机器学习库，以下是一些常用的库和方法：

PIL库：Python Imaging Library（PIL）是一个Python图像处理库，提供了丰富的图像处理功能，包括图像读写、缩放、旋转、裁剪、滤波等。可以使用PIL库生成包含随机字符的验证码，并将其保存为本地文件。

OpenCV库：OpenCV是一个计算机视觉库，提供了大量的图像处理和计算机视觉算法，包括图像读写、滤波、边缘检测、特征提取等。可以使用OpenCV库对验证码进行预处理，提取出验证码中的字符或单词，以便后续的识别。

PyTesseract库：PyTesseract是一个Python的OCR库，基于Google的Tesseract-OCR引擎，可以对图像中的文字进行识别。可以使用PyTesseract库对验证码中的字符或单词进行识别和分类。

KNN算法：KNN是一种常用的机器学习算法，可以用于对验证码中的字符或单词进行分类。可以使用KNN算法对预处理后的验证码进行特征提取和分类，以识别出验证码中的正确字符或单词。

综合使用以上方法，可以实现一个较为稳定和准确的文字点选验证码。具体实现细节需要根据具体情况进行调整和优化。