Tesseract技术硬文-来自Google团队分享

1、从灰度图像中提取轮廓，从轮廓中提取特征（skeleton方法）。

2、字符的边界框经常重叠，而字符实际上没有接触。

3、经验:对于尽可能多的预期退化，特性必须尽可能不变

4、收缩特性和不适当的统计数据（教训:统计上的独立性是很难回避的）

5、同时期其他ocR：神经网络刚起步，硬件计算能力不行，基于决策树使用类似拓扑的特征。在软件方面非常快。在质量差的情况下，精度下降得非常快。

6、关于测试：获得大量的计算能力和数据。在与训练数据非常不同的数据上进行测试。测试每一个变化。测量多种维度。如果它能打破，它就会打破。让你的代码在等待测试运行时更快。跳出框框思考。

7、最新提升：国际化到100多种语言。添加全布局分析。表检测。方程/公式检测。更好的语言模型。改进的分段搜索。Word Bigrams。输出PDF。训练工具。