Agustin, es curioso que el error mencione que no encuentre el idioma eng, ya que éste se instala por defecto. Repasemos la instalación:
1.- Se debe descargar e instalar tesseract
desde
https://github.com/UB-Mannheim/tesseract/wiki
En mi caso, descargué tesseract-ocr-w64-setup-v5.0.0-alpha.20200223.exe para Windows de 64 bits.
2.- Por defecto tesseract
funciona con reconocimiento en inglés, para descargar otro idioma usa https://tesseract-ocr.github.io/tessdoc/Data-Files
Yo usé https://github.com/tesseract-ocr/tessdata/raw/4.00/spa.traineddata, para idioma español.
Copiar el archivo spa.traineddata en ..\Tesseract-OCR\tessdata\
3.- Agregar la carpeta ..\Tesseract-OCR al PATH de Windows.
4.- Probar la instalación desde la consola cmd con el comando tesseract --list-langs
.
Deben salir los idiomas instalados, en mi caso retorna:
eng
osd
spa
Teniendo eso, ya debes poder hacer tus pruebas. Con tu código no tengo ningún problema:
import pytesseract
from PIL import Image
img = Image.open("imagen_con_texto.png")
pytesseract.pytesseract.tesseract_cmd = r"mi_ruta\Tesseract-OCR\tesseract.exe"
result = pytesseract.image_to_string(img)
Con el método image_to_string
, puedes usar el parámetro lang="spa"
, para usar la detección en idioma español u otro que tengas instalado. Si por ejemplo además de español, tienes francés, puedes usar:
result = pytesseract.image_to_string(img, lang="eng+spa+fra")
Con eso le estás dando al reconocedor la capacidad de detectar texto en inglés, español y francés, en la misma llamada.