使用 Tesseract 实现藏文OCR
要识别藏文，最常用且有效的方法是使用Tesseract OCR（谷歌开源的OCR工具），因为它拥有针对藏文的预训练模型支持。
🚀 一、安装 Tesseract OCR 软件：
- 下载链接：Tesseract OCR 下载页面
Windows用户：
-
下载
Tesseract installer(tesseract-ocr-w64-setup.exe)，安装时勾选“Additional language data”，或单独下载藏文语言包。 -
安装时务必记住安装路径，例如：
C:\Program Files\Tesseract-OCR\
📌 二、添加环境变量：
- 把
C:\Program Files\Tesseract-OCR\路径添加到环境变量中。
检查是否安装成功：
tesseract --version
📥 三、安装 Python 调用接口：
打开命令行，输入：
pip install pytesseract pillow
pytesseract用于调用Tesseract。pillow用于图片处理。
🌍 四、下载藏文语言模型：
-
前往Tesseract藏文语言包页面下载
bod.traineddata。 -
将下载的
bod.traineddata文件复制到Tesseract安装目录下的tessdata文件夹：
例如：
C:\Program Files\Tesseract-OCR\tessdata\bod.traineddata
📂 五、重新实现藏文OCR程序：
项目结构：
ocr_project/
│
├── test_tibetan.jpg
└── tibetan_ocr_tesseract.py
打开tibetan_ocr_tesseract.py，编写以下代码：
🧑💻 完整代码示例：
from PIL import Image
import pytesseract# 配置 Tesseract 可执行文件路径 (注意替换为你自己的路径)
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe'# 加载图片
img_path = 'test_tibetan.jpg'
img = Image.open(img_path)# 识别藏文
text = pytesseract.image_to_string(img, lang='bod')# 输出结果
print("识别出的藏文为：")
print(text)
▶️ 六、运行测试：
打开命令行，在项目目录下运行：
python tibetan_ocr_tesseract.py
运行后你会得到类似如下结果：
识别出的藏文为：
བཀྲ་ཤིས་བདེ་ལེགས།
中文：扎西德勒
此时表示成功识别藏文图片中的文字！
📖 为什么推荐 Tesseract？
- Tesseract拥有广泛语言支持，包含藏文预训练模型。
- 谷歌开源，社区活跃，广泛应用于藏文OCR实践中。
🚩 常见问题排查：
-
识别效果不好？
- 确认图片清晰，字体标准。
- 尝试对图片进行灰度或二值化处理提高效果。
-
路径问题：
- 必须确保环境变量正确添加。
- 代码里
tesseract_cmd路径设置必须准确。
🌟 试试使用Tesseract实现你的藏文OCR识别功能吧！