Tesseract-OCR -01-Tesseract 介绍

原文链接:http://www.cnblogs.com/xpwi/p/9604304.html

Tesseract-OCR -01-Tesseract 介绍

OCR(Optical Character Recognition):

  • 光学字符识别,是指对图片文件中的文字进行分析识别,获取的过程
  • Tesseract - 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
  • 在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 由惠普公司宣布开源
  • 从2006年到现在,都由 Google 公司开发维护

Tesseract - OCR 特性

  • 目前,Tesseract可以识别超过100种语言。也可以用来训练其它的语言
  • 源码包提供了一个OCR的引擎——libtesseract 以及一个命令行程序——tesseract.exe
  • Tesseract 支持多种输出格式,如:普通文本、html、pdf 等

对于开发者

  • 开发者可以使用libtesseract的C/C++接口来构建自己的程序
  • Tesseract从源码生成的文档可以在tesseract-ocr.github.io中找到

我的 Tesseract 随笔


  • 本笔记不允许任何个人和组织转载

转载于:https://www.cnblogs.com/xpwi/p/9604304.html

展开阅读全文
博主设置当前文章不允许评论。

没有更多推荐了,返回首页