Tesseract-OCR 那些事

      从官网下载Tesseract-OCR 并安装之后。直接识别中文的话，效果其实并不理想 。

需要设置如下参数:

	api.SetVariable("chop_enable","T");
	api.SetVariable("use_new_state_cost","F");
	api.SetVariable("segment_segcost_rating","F");
	api.SetVariable("enable_new_segsearch","0");
	api.SetVariable("language_model_ngram_on","0");
	api.SetVariable("textord_force_make_prop_words","F");

至于参数的详细意思 可以参考 此链接。

     

       这样一来后，会发现对宋体识别非常的好 ，几乎可以到9成以上（反正我试验是这样的）。但是对于一些全角的标点符号识别还是不太好。

而且如果需要对其他字体提供支持的话，就需要去训练我们的中文库了。

     大致步骤如下：

1.用工具生成 tif 和box 文件（我推荐使用jTessBoxEditor 【这是个jar文件 ，确