Tesseract-OCR 的使用与训练

Tesseract，是一个开源文本识别 (OCR) 引擎，是由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，可以不断的训练自己的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。

安装

百度搜索Tesseract，选择适合的版本安装，如安装位置D:\Tesseract-OCR，安装完成之后，增加环境变量TESSDATA_PREFIX，指向到D:\Tesseract-OCR\tessdata，在Path环境变量中增加D:\Tesseract-OCR。

如果需要识别中文，下载中文语言包，下载地址https://digi.bib.uni-mannheim.de/tesseract/tessdata_fast/，下载完成后放到D:\Tesseract-OCR\tessdata目录下面

检查是否安装成功

通过tesseract --version命令如果能看以下相关信息，说明安装成功

测试

使用命令行测试

打开命令行窗口，输入 tesseract test.