記錄學習內容。
主要是看網路上的文章和影片，做些紀錄。
內容可能有錯誤。
主要是把這邊當作自己寫筆記的地方。

想要來用文字辨識，先想辦法用Tesseract套件:
Text Detection with OpenCV in Python | OCR using Tesseract (2020)

先來下載Tesseract:
https://tesseract-ocr.github.io/tessdoc/Downloads.html

到這邊:
https://tesseract-ocr.github.io/tessdoc/4.0-with-LSTM.html#400-alpha-for-windows

下載Windows Installer made with MinGW-w64

下載後的目錄:
C:\Program Files (x86)\Tesseract-OCR

在jupyter 查看python版本:

import sys 
sys.version

windows cmd 查看python版本:

python –version

安裝兩個套件
1
cv2 :

pip install opencv-python

2
pytesseract

pip install pytesseract

圖片路徑有中文會有錯誤 ，先換成英文路徑測試。

接著遇到錯誤:

TesseractError: (1, 'Error opening data file \\Program Files (x86)\\Tesseract-OCR\\eng.traineddata Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory. Failed loading language \'eng\' Tesseract couldn\'t load any languages! Could not initialize tesseract.')

要有TESSDATA_PREFIX 環境變數:

TESSDATA_PREFIX environment variable is set to your "tessdata" directory

所以來找TESSDATA_PREFIX 環境變數 是什麼 ?

就是新增這個環境變數:

TESSDATA_PREFIX  C:\Program Files (x86)\Tesseract-OCR\tessdata

參考:
使用pytesseract圖像處理之中文識別（二）
之後關掉cmd ，再開一次jupyter notebook ，就可以跑了

接著來看怎麼辨識 中文 :
Day26-聽過 OCR 嗎? 實作看看吧 -- pytesseract

下載檔案:
https://github.com/tesseract-ocr/tessdata_best
繁體: chi_tra.traineddata
簡體: chi_sim.traineddata

放到C:\Program Files (x86)\Tesseract-OCR\tessdata
再跑print(pytesseract.image_to_string(img, lang="chi_tra")) 時 ，遇到錯誤:

TesseractError: (3221225477, '')

解決方法:
環境變數PATH 新增：

C:\Program Files (x86)\Tesseract-OCR\tessdata
C:\Program Files (x86)\Tesseract-OCR

之後關掉cmd ，再開一次jupyter notebook ，結果還是TesseractError
，不知道為何 ，接著試了其他語言也不行，所以不是中文的問題。

找到這篇文章:
pytesseract.pytesseract.TesseractError: (3221225477, '')

然後看了一下github的說明 ，作者認為5.0.0-alpha 比 Tesseract 4.1.0 好:

We don't provide an installer for Tesseract 4.1.0 because we think that the latest version 5.0.0-alpha is better for most Windows users in many aspects (functionality, speed, stability).

上面一開始載的，應該是4版本，因為檔案都是3年前的，而且寫Windows 4.x
。然後各個版本可以在這邊下載:
https://digi.bib.uni-mannheim.de/tesseract/

那就重新安裝 最新的這個版本 試試看:

tesseract-ocr-w64-setup-v5.0.0-alpha.20200328.exe

因為是64版本，所以路徑改成這樣:
C:\Program Files\Tesseract-OCR
再去環境變數 改成Program Files ，程式裡的路徑也改成Program Files
，然後語言包在記得放。

執行程式後 ，終於看到中文了!