一 、 tesseract 4.0 安装及使用
1. tesseract 4.0 安装
安装包下载地址: http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe
exe可执行文件直接安装,选择安装路径:
安装完成之后需要添加2个环境变量:
1. 把安装路径“C:\Program Files (x86)\Tesseract-OCR”添加到环境变量里,方便在命令行里直接调用;
2. 把语言包所在路径“C:\Program Files (x86)\Tesseract-OCR\tessdata”添加到环境变量里,变量名称为“TESSDATA_PREFIX”,不添加语言包路径的话调用tesseract识别会报如下错误:
2. 简体中文语言包下载
语言包存放路径是在“C:\Program Files (x86)\Tesseract-OCR\tessdata”文件下,是一些后缀为“.traineddata”的文件,tesseract安装包里预装了英文识别语言包“eng.traineddata”,其他语言包需要下载后放到这个文件夹下。
简体中文语言包下载地址: https://github.com/tesseract-ocr/tessdata/find/master
名称是“chi_sim.traineddata”的是简体中文语言包,访问不了github的可以试试到这里下载: http://download.csdn.net/download/dcrmg/10021178
3. tesseract在命令行里的使用
在命令行里输入tesseract,查看:
-l : 指定识别语言
--psm: 指定识别对象属性,如果要识别的图像中文字的分布是只有一行,就是用 “--psm 7”