下载地址:点我
- 简单介绍:Tesseract是一个开源的OCR(Optical Character Recognition,光学字符识别)引擎,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)。也就是说它可以识别出图片当中的多种语言并转换为txt类型,比如二维码等。
- 安装方式:直接安装下载的exe文件即可
- 简单使用方式:使用命令行,cd到当前你想要识别的图片目录,然后使用tesseract xxx.jpg resault -l eng的命令即可得到对图片中文字识别的txt文件(下面有参考图)
- 如何添加语言库?下载链接中有一个中文字符的语言库,下载解压后直接放到tessdata目录下即可,比如:C:\Program Files (x86)\Tesseract-OCR\tessdata
- 对于手写字体的识别效果不会太好,因此需要训练自己的语言库,最后面有参考链接(很多时候上不去。。。。。。)
测试图片(对于标准字体的识别率特别好,中文的稍差,手写的识别效果更差):
训练自己的语言库:
http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3