目录
一、Tesseract-Ocr概述与环境配置
(一)Tesseract-Ocr介绍
Tesseract是一款由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。Tesseract可以处理很多自然语言,如英语、葡萄牙语等。截止到2015年为止,它可以支持超过100种书面语言,并且可以通过训练学习轻松掌握其他语言。
(二)Tesseract-Ocr安装
1、程序下载及安装
官方网站:https://github.com/tesseract-ocr/tesseract
官方文档:https://github.com/tesseract-ocr/tessdoc
语言包地址:https://github.com/tesseract-ocr/tessdata
下载地址:https://digi.bib.uni-mannheim.de/tesseract/
进入下载页面后,下载正式稳定版本,文件名为“tesseract-ocr-w64-setup-v5.0.0.20190623.exe”。
下载完成后,在PC上进行安装。安装时要注意路径中不要有中文,避免出现问题。
安装过程可以选择要安装的语言包,如简体中文。但速度较慢,建议通过其他途径下载语言包,并在本地进行安装。
2、配置环境变量
在电脑上按“Win+R”打开命令行,输入“sysdm.cpl”打开设置Path的窗口。
依次选择“高级”-“环境变量”。