利用开源工具Tesseract进行文字识别

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