ubuntu16.04下tesseract 4.0安装

tesseract是一个开源的OCR引擎，最初是由惠普公司开发用来作为其平板扫描仪的OCR引擎，2005年惠普将其开源出来，之后google接手负责维护。目前稳定的版本是3.0。4.0版本加入了基于LSTM的神经网络技术，中文字符识别准确率有所提高。
ubuntu16.04下tesseract 4.0安装：
（1）终端下：

sudo add-apt-repository ppa:alex-p/tesseract-ocr

（2）更新一下

sudo apt-get update 

（3）安装

sudo apt-get install tesseract-ocr 

(4) 测试

tesseract --version

（5）下载字库

https://github.com/tesseract-ocr/tessdata

下载完成之后把.traineddata字库文件放到tessdata目录下，默认路径是/usr/share/tesseract-ocr /4.00/tessdata

查看已安装的字库： 

tesseract --list-langs

 

（补充：windows安装遇到的坑

1、识别中文字符
下载中文字符集 chi_sim.traineddata 放到
C:\Program Files (x86)\Tesseract-OCR\tessdata

2、将C:\Program Files (x86)\Tesseract-OCR 
加入到PATH

3、新建系统变量:(不是在path中)
TESSDATA_PREFIX：C:\Program Files (x86)\Tesseract-OCR\tessdata

）

参考：参考链接