OCR（光学字符识别）是指电子设备检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程[^1]。以下以代码示例展示不同场景下OCR的使用方法。 ### Python使用Tesseract进行OCR识别 在Python中可以使用`pytesseract`库结合Tesseract OCR引擎进行文字识别。首先需要安装`pytesseract`和`Pillow`库，同时要安装Tesseract OCR引擎。 ```python import pytesseract from PIL import Image # 设置Tesseract OCR引擎的路径（根据实际安装路径修改） pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract.exe' # 打开图像 image = Image.open('example.png') # 进行OCR识别 text = pytesseract.image_to_string(image, lang='eng') print(text) ``` 上述代码中，首先设置了Tesseract OCR引擎的路径，然后打开一张图像，最后调用`image_to_string`方法进行文字识别，`lang`参数指定了识别的语言为英文。 ### iOS开发中使用OCR 在iOS开发中，可以使用系统提供的`Vision`框架进行OCR识别。以下是一个简单的示例： ```swift import UIKit import Vision class ViewController: UIViewController { override func viewDidLoad() { super.viewDidLoad() // 加载图像 guard let image = UIImage(named: "example") else { return } // 创建VNImageRequestHandler let requestHandler = VNImageRequestHandler(cgImage: image.cgImage!, orientation: .up) // 创建VNRecognizeTextRequest let request = VNRecognizeTextRequest { (request, error) in if let error = error { print("识别出错: \(error)") return } guard let observations = request.results as? [VNRecognizedTextObservation] else { return } for observation in observations { guard let topCandidate = observation.topCandidates(1).first else { continue } print(topCandidate.string) } } // 执行请求 do { try requestHandler.perform([request]) } catch { print("执行请求出错: \(error)") } } } ``` 上述代码中，首先加载一张图像，然后创建`VNImageRequestHandler`和`VNRecognizeTextRequest`，最后执行请求并处理识别结果。 ### 不同语言的识别设置 在不同语言的识别中，需要指定相应的语言代码。例如在iOS开发中，若要识别中文，可以在`VNRecognizeTextRequest`中设置`recognitionLanguages`属性： ```swift let request = VNRecognizeTextRequest { (request, error) in // 处理识别结果 } request.recognitionLanguages = ["zh-Hans"] ``` 在Python的`pytesseract`中，识别中文可以将`lang`参数设置为`chi_sim`： ```python text = pytesseract.image_to_string(image, lang='chi_sim') ```