tesseract-ocr中文版

TesseractOCR，可以直接将图片中的文字进行识别，其最新版本3.0已经支持中文OCR，并提供了一个命令行工具，转换成文本信息。tesseract-ocr官方下载据说曾经的图像识别能力排名第三。tesseract-ocr中文版可以识别多种格式的图像文件并将其转换成文本，目前已支持60多种语言（包括中文）。?Tesseract最初由HP公司开发，后来由Google维护，目前发布在GoogelProject上。

windows下的安装非常简单，直接安装可执行程序即可。当你选择安装各类语言之时，则需要一个稍微耗时的等待操作，比如下图中所示的信息：

tesseract-ocr中文版安装使用教程：

下载完后进行安装,默认情况下安装程序会给你配置系统环境变量,以指向安装目录（之后可以通过DOS界面在任意目录运行tesseract）。安装完成后目录如下:

附录:

tessdata目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件.?这个安装程序默认包含了英文字库。

使用Tessract-OCR引擎识别验证码

打开DOS界面，输入tesseract：

如果出现如上输出，表示安装正常。

我准备了一张验证码code.jpg"/>放在D盘根目录下，上图:

结果为:

附录:

Usage:tesseractimagenameoutputbase[-llang][-psmpagesegmode][configfile...]pagesegmodevaluesare:0=Orientationandscriptdetection(OSD)only.1=AutomaticpagesegmentationwithOSD.2=Automaticpagesegmentation,butnoOSD,orOCR3=Fullyautomaticpagesegmentation,butnoOSD.(Default)4=Assumeasinglecolumnoftextofvariablesizes.5=Assumeasingleuniformblockofverticallyalignedtext.6=Assumeasingleuniformblockoftext.7=Treattheimageasasingletextline.8=Treattheimageasasingleword.9=Treattheimageasasinglewordinacircle.10=Treattheimageasasinglecharacter.-llangand/or-psmpagesegmodemustoccurbeforeanyconfigfile.

tesseractimagenameoutputbase[-llang][-psmpagesegmode][configfile...]

tesseract??图片名?输出文件名-l字库文件-psm?pagesegmode?配置文件

例如：

tesseractcode.jpg"/>result?-lchi_sim-psm7nobatch

-lchi_sim表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为?.raineddata简体中文字库文件名为:?chi_sim.traineddata）

-psm7表示告诉tesseractcode.jpg"/>图片是一行文本?这个参数可以减少识别错误率.?默认为3

configfile参数值为tessdata\configs和?tessdata\tessconfigs目录下的文件名

Tags:tesseract,tesseract-ocr中文版,ocr识别.