Tesseract OCR是一款OCR(optical character recognition，光學(xué)字符識別)開源庫，可將包含文本的圖像識別為計算機(jī)文字(計算機(jī)黑白點陣)。圖像中的文本一般為印刷體文本。

Tesseract OCR軟件特色

　　1、Tesseract OCR不僅可以處理簡單的文本，還可以識別多種語言和復(fù)雜的文字排版，包括斜體文字和印刷體文字。

　　2、為了提高識別準(zhǔn)確性，Tesseract OCR還提供了一些優(yōu)化選項;例如是否識別斜體文字、忽略特定字符或識別特定字符等;

　　3、用戶可以根據(jù)需要通過編輯詞典或添加自己的訓(xùn)練數(shù)據(jù)來進(jìn)一步定制OCR引擎以適應(yīng)特定的需求。

Tesseract OCR安裝步驟

　　1、在本站下載最新安裝包，按提示安裝

　　2、安裝進(jìn)行中，完成即可使用

使用方法

　　tesseract-ocr使用教程：

　　下載完后進(jìn)行安裝，默認(rèn)情況下安裝程序會給你配置系統(tǒng)環(huán)境變量，以指向安裝目錄。

　　從開始菜單(或者安裝目錄)的Tesseract-OCR文件夾中，點擊Console，啟動命令行窗口。鍵入命令tesseract，會顯示相關(guān)提示信息，可使用命令“tesseract --help-extra”顯示更詳細(xì)的幫助信息。

　　基本語法命令

　　進(jìn)行文字識別的基本命令語法如下：

　　tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]

　　識別圖片中的英文字母和數(shù)字

　　將圖片保存為文件“D:\temp\abcdef.png”，使用命令

　　tesseract d:\temp\abcdef.png stdout進(jìn)行識別

　　不能識別圖片中的簡體中文

　　上述軟件安裝過程中，并未安裝簡體中文的訓(xùn)練數(shù)據(jù)集。

　　已有的訓(xùn)練數(shù)據(jù)集可使用命令“tesseract --list-langs”查看，也可直接在目錄“D:\Programs\Tesseract-OCR\tessdata”中查看擴(kuò)展名為traineddata的文件。