### 使用 Python 实现 OCR 屏幕文字识别 为了实现屏幕上的文字通过光学字符识别(OCR)转换成可编辑文本并保存，可以采用 Tesseract 和 OpenCV 的组合来完成这一过程。Tesseract 是一种强大的开源 OCR 工具，能够识别多种语言的文字；而 OpenCV 则是一个广泛使用的计算机视觉库，在图像预处理方面表现出色。 #### 安装必要的软件包 首先需要安装几个重要的 Python 库： ```bash pip install pytesseract opencv-python pillow numpy ``` 另外还需要下载 Tesseract-OCR 并将其路径添加到系统的环境变量中以便 `pytesseract` 能够调用它[^1]。 #### 获取屏幕截图 利用 Pillow 或者其他方法获取当前屏幕的内容作为图片文件用于后续处理: ```python from PIL import ImageGrab # 抓取整个屏幕的画面 img = ImageGrab.grab() # 可选：指定抓屏区域 (left, top, right, bottom) # img = ImageGrab.grab(bbox=(10, 10, 500, 500)) img.save('screenshot.png') ``` #### 图像预处理 对于某些低质量或者复杂背景下的图像来说，适当调整对比度、亮度以及去除噪声等操作有助于提高最终的识别精度。这里给出简单的灰度化和平滑滤波的例子： ```python import cv2 import numpy as np def preprocess_image(image_path): # 加载图像 image = cv2.imread(image_path) # 将彩色图转为灰度图 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 对图像应用二值化阈值处理 _, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU) return thresh processed_img = preprocess_image('screenshot.png') cv2.imwrite('preprocessed_screenshot.png', processed_img) ``` #### 执行 OCR 文字提取 最后一步就是运用 Tesseract 来解析经过预处理后的图像中的文字信息了： ```python import pytesseract text = pytesseract.image_to_string(Image.open('preprocessed_screenshot.png'), lang='chi_sim') # 如果是中文则设置lang参数为中国简体 print(text) with open('recognized_text.txt', 'w+', encoding="utf8") as f: f.write(text) ``` 上述代码片段展示了如何使用 Python 结合 Tesseract 进行基本的 OCR 功能开发，包括从屏幕上捕捉图像、对图像做初步优化以增强 OCR 效果，再到实际执行 OCR 提取出其中所含有的文字内容，并将这些文字写入到了一个新的 .txt 文件里[^2]。