Windows下Tesseract4.0识别与中文手写字体训练

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”