采用PIL与多种分类算法在标准数字图片上实现识别

相关代码实现可于GitHub平台获取，具体链接如下：https://github.com/nickliqian/simple_number_recognition>

simple_number_recognition

采用PIL库结合多种分类算法对标准数字图像实施识别处理。

背景

在获取某款免费代理网站信息的过程中，遇到了结构较为复杂的HTML代码。
由于目标数据呈现为数字与标点符号的组合，并且采用统一的字体样式，
因此尝试借助OCR技术进行识别处理。

如何实现

1. 通过selenium结合phantomjs技术实现web页面信息的抓取，并将页面截图保存至本地存储设备。
2. 利用Photoshop软件对页面布局进行尺寸分析，借助PIL库将需识别区域裁剪为多个独立图像并存储于本地。
3. 运用tesseract光学字符识别工具或基于空间向量的算法对图像内容进行识别处理。

识别方法详解

Tesseract

1. 部署Tesseract-OCR图像识别引擎
2. 安装jTessBoxEditorFX工具，用于处理图像识别相关的训练数据
3. 执行pip install pytesseract命令，以实现Python与Tesseract-OCR之间的交互功能
4. 利用