Bước 1: Cài đặt Tesseract - OCR
Tải file cài đặt : https://github.com/UB-Mannheim/tesseract/wiki
Lưu ý để nhận diện được tiếng Việt, khi cài đặt, bấm dấu + mục Additional language data > Tick chọn Vietnamese
Đường dẫn sau khi cài đặt đối với Windows 64bit: C:\Program Files\Tesseract-OCR
Bước 2: Tạo biến môi trường trên Windows
Chuột chuột phải This PC > Properties > Advanced system settings > Trong tab Advanced chọn Environment Variables... > Dưới phần System variables chọn New > Ô Variable name: nhập TESSDATA_PREFIX > Ô Variable value: nhập C:\Program Files\Tesseract-OCR\tessdata
Bước 3: Cài các module cần thiết
Mở terminal gõ các lệnh sau:
pip install opencv-python
pip install numpy
pip install pytesseract
Bước 4: Viết code
# Import modules
import cv2
import numpy as np
import pytesseract# Path installed Tesseract - OCR
pytesseract.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"# Load the image
img = cv2.imread('Capture.png')# Convert img to Gray
imgGray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Convert img to Black and While
adaptive_threshold = cv2.adaptiveThreshold(imgGray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 85, 11)# Set mode PSM
config = "--psm 3"# lang = "vie" để hiển thị được tiếng Việt, nếu bỏ không input lang vào thì mặc định là tiếng Anh
text = pytesseract.image_to_string(adaptive_threshold, config=config, lang="vie")# Write result to file word
with open("outFile.doc", "a", encoding="utf-8") as f:
f.write(text)# cv2.imshow("imgBlack&While", adaptive_threshold)
# cv2.waitKey(0)
Comments