Tesseract——OCR图像识别 入门篇

Tesseract——OCR图像识别 入门篇

 

最近给了我一个任务，让我研究图像识别，从咱们项目的screenshot中识别文字信息，so我开始了学习，与你们分享下。

我看到目前OCR技术有不少，最主要的是Asprise OCR，Tesseract OCR和Java OCR。

Asprise OCR速度很快，Java实现很简单，可是它是商业的，要收费的，免费版每次都要弹出对话框，是个很麻烦的事情。

Tesseract OCR是C++的，要使用cmd命令的，速度也很快，质量也很好。固然Java也是可使用的。

Java OCR是纯Java的，效率也不错。

今天先记录下Tesseract吧，后续再补充

1. 首先从官网上下载压缩包，最新版本是Tesseract 3.03，以前的版本能够从这里下载.

2. 解压下载好的压缩包到本地目录。

 

3. 打开cmd窗口，进入到tesseract目录下，而后就能够开始咱们的测试之旅啦

 1）选择好你所要识别的图片，并肯定你所要输出的文件，而后输入下列命令:

   tesseract letter.png 1

  "letter.png": 须要识别的图片

   "1": 输出的文件 1.txt

 

 2) 咱们已经把图片中的信息解析出来啦。

 

 

来自:  http://blog.csdn.net/PanRuiFang/article/details/27191739

 

 

上面说道tesseract 是支持中文的，因此么，接下来看看如何使用tesseract 实现咱们中文的识别，下面继续介绍其余参数

参数3：-l

参数4： 使用的语言库

参数3 -l应该是知道参数4所使用的语言库，默认英文，也就是为何上面识别英文的例子，并无输入参数3和参数4，也实现了识别。

下面继续咱们的实验：

咱们准备了一张图片，而后使用tesseract zhongwen.jpg  7  -l chi_sim 指明了中文语言，而后效果图上，仍是很不错的，毕竟咱们的中文是如此的博大精深，而且tesseract能够通过训练，而后识字的能力就会大幅度提高。

好了，因为一行代码没写，就不上传代码了，你们本身去官网下载。接下来我会使用Java带你们实现这样的小程序。

 

来自:  http://blog.csdn.net/lmj623565791/article/details/23955883