### Python 实时 OCR 屏幕文字识别库推荐 对于实现实时屏幕文字识别的任务，可以考虑以下几个常用的 Python 库： #### 1. **Tesseract-OCR** Tesseract 是一个开源的光学字符识别引擎，支持多种语言，包括中文。它可以通过 `pytesseract` 绑定到 Python 中使用[^2]。为了实现屏幕上的实时文字捕捉，通常会结合图像处理库（如 PIL 或 OpenCV）来截取屏幕并传递给 Tesseract 进行识别。 以下是基于 `pytesseract` 和 `Pillow` 的简单示例代码： ```python from PIL import ImageGrab, Image import pytesseract # 截图整个屏幕 screenshot = ImageGrab.grab() # 将截图保存为临时文件或直接传递给 tesseract text = pytesseract.image_to_string(screenshot, lang='chi_sim') print(text) ``` #### 2. **OpenCV 结合 Tesseract** 虽然 Tesseract 提供了基本的文字识别功能，但在复杂场景下可能需要更强大的预处理能力。此时可以引入 OpenCV 来增强图像质量，例如调整对比度、去噪等操作后再交给 Tesseract 处理。 下面是一个简单的例子： ```python import cv2 import numpy as np import pytesseract from PIL import ImageGrab def preprocess_image(image): gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 转灰度 _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) # 自适应阈值 return thresh # 获取屏幕截图 screenshot = np.array(ImageGrab.grab()) processed_screenshot = preprocess_image(screenshot) # 使用 Tesseract 进行 OCR text = pytesseract.image_to_string(processed_screenshot, lang='chi_sim') print(text) ``` #### 3. **EasyOCR** 相比 Tesseract，EasyOCR 更适合多语言混合的情况，并且无需复杂的安装过程即可运行。它的模型已经训练好，可以直接加载使用。 下面是 EasyOCR 的示例代码： ```python import easyocr import numpy as np from PIL import ImageGrab reader = easyocr.Reader(['ch_sim', 'en']) # 支持的语言列表 # 截屏获取当前屏幕画面 image = np.array(ImageGrab.grab()) result = reader.readtext(image) for detection in result: bbox, text, confidence = detection print(f"Detected Text: {text}, Confidence: {confidence:.2f}") ``` #### 性能比较 | 特性/库 | 安装难度 | 准确率 | 易用性 | |----------------|----------|------------|-------------| | Tesseract-OCR | 较高 | 高 | 中 | | EasyOCR | 低 | 非常高 | 非常高 | 如果追求更高的准确性以及减少开发时间，则建议优先选用 EasyOCR；而如果希望完全控制流程或者优化性能，则可以选择 Tesseract 并搭配 OpenCV 做进一步调优。 ---