tesseract-ocr是用来从图片识别文字的工具,可以安装到电脑上,也可以用它的C/C++ API构建自己的应用。
tesseract-ocr的github地址:https://github.com/tesseract-ocr/tesseract
下载、安装应用
软件下载地址:https://github.com/UB-Mannheim/tesseract/wiki
选择一个下载。
安装
默认只有英文,可以在安装时选择其他语言
添加环境变量
安装成功
测试
输入
tesseract imagename outputbase [-l lang]
imagename为图片路径
outputbase 为输出路径
-l是可选的输入,设置语言,默认是英语(-l eng),汉语简体输入-l chi_sim,输入的名字可以看F:\Tesseract-OCR\tessdata路径中的traineddata的命名。
分别尝试识别英文和简体中文:
识别结果保存到一个txt文件
简体中文得到的结果中可以明显看到一些错误的地方。