OCR tesseract中文无法识别问题

最近因为公司项目需求的原因，在学习使用OCR tesseract，关于自己的学习想在这做个简单的概括，希望能帮到遇到同样问题的人。关于tesseract的使用，网上的博客已经有很多详细的讲解，在这我就说说我遇到的问题：中文无法识别。一开始我也特别不理解，都是按照教程来的，为什么就是不行，一直报下面这个问题

后来经过多番搜索查阅才知道是因为中文包的版本和tesseract.exe的版本不同造成的。因为我在官网上下载的中文包是最新版本的，而我下载的tesseract安装包并不是最新版本（我使用的是window系统），因为在文档里有这么一句话：Currently, there is no official Windows installer for newer versions.意思就是官方不提供最新版Windows安装包，只有相对略老的3.02版本。就是因为这个原因把我折腾了很久。解决方法就是下载和tesseract相同版本的中文安装包

放一个可以下载的链接：https://sourceforge.net/projects/tesseract-ocr-alt/files/

身份证号识别

      因为中文的识别率不是很高，所以公司决定暂时先做身份证号的识别

首先先来看下测试结果

这样的测试结果看着也是挺忧伤的，解决方法：

找到安装目录下的 tessdata\configs，打开其中的digits文件，使用文本编辑就可以了

我的安装目录是这样的：C:\Program Files (x86)\Tesseract-OCR\tessdata\configs

打开digits后会看到这句话：

tessedit_char_whitelist 0123456789-.

改为：

tessedit_char_whitelist 0123456789X.

  

在测试下，但是命令需要变一下，后面改为digits

tesseract idnum.png result digits

现在是不是就要好很多了

好了，上面就是我最近学习OCR tesseract的一些拙见，希望能帮到有相同问题的朋友。虽然看英文文档对于我这样英语很渣的人来说有点痛苦，但是多看文档还是很有帮助的吧