一:简介

OCR(Optical Character Recognition):光学字符识别,是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。
Tesseract:开源的OCR识别引擎,初期Tesseract引擎由HP实验室研发,后来贡献给了开源软件业,后由Google进行改进、修改bug、优化,重新发布。

二:下载

1、Windows版本Tesseract各版本下载,本教程用的版本是tesseract-ocr-w64-setup-v5.0.0.20190623(【注意】要3.0以上才支持中文)。
项目github地址:Tesseract

2、各版本对应字库要识别简体中文需要下载chi_sim.traindata字库(【注意】根据版本下载对应字库)。

3、jTessBoxEditor官网下载,用来训练字库的,带FX的版本才支持中文。

4、各位打不开链接的朋友,看这里:

链接:https://pan.baidu.com/s/1ViyFSR9CjXVy8b7mQeTISQ 
提取码:m87b 

 三:安装

这个就不截图了

安装完成后我们配置环境变量

四:配置环境变量

1、配置系统环境变量

tesseract-ocr-Home

C:\Program Files\Tesseract-OCR

path : 加上新配置的信息

;%tesseract-ocr-Home%

2、配置字库-后期JAVA API要使用

TESSDATA_PREFIX

C:\Program Files\Tesseract-OCR\tessdata

备注:将下载好的字库放到Tesseract-OCR项目的tessdata文件夹里面。 

五:验证安装的效果

在cmd窗口输入tesseract -v,配置成功如下图:

六:识别-看看识别的效果 

1、tesseract 图片名称 生成的结果文件的名称 字库

 例如我的图片识别就是:

tesseract test.png result -l eng

 1、执行命令:

2、原图片:

3、识别结果:

这一期就先这样了


评论关闭
IT源码网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!

SpringBoot 微信退款