Tesseract概述
Tesseract的OCR引擎最先由HP实验室于1985年开始研发,至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而,HP不久便决定放弃OCR业务,Tesseract也从此尘封。
数年以后,HP意识到,与其将Tesseract束之高阁,不如贡献给开源软件业,让其重焕新生--2005年,Tesseract由美国内华达州信息技术研究所获得,并求诸于Google对Tesseract进行改进、消除Bug、优化工作。
Tesseract目前已作为开源项目发布在Google Project,其项目主页在这里查看,其最新版本3.0已经支持中文OCR,并提供了一个命令行工具。本次我们来测试一下Tesseract 3.0,由于命令行对最终用户不太友好,我用WPF简单封装了一下,就可以方便的进行中文OCR了。
来源:http://www.cnblogs.com/brooks-dotnet/archive/2010/10/05/1844203.html
参考资料
基本介绍:http://www.cnblogs.com/baiyanhuang/archive/2012/11/23/2784818.html
验证码识别:http://hooopo.iteye.com/blog/993538
一组命令参考:
提取关注的图像区域:convert.exe d:\99.tmp\mer.jpg -crop 640x50 0 915 d:\99.tmp\mer2.jpg142405958
灰度化:convert.exe -colorspace Gray d:\99.tmp\mer2.jpg -resize 600% d:\99.tmp\mer3.
识别:tesseract d:\99.tmp\mer3.jpg d:\99.tmp\mer3.txt -l chi_sim