关键词：
最近在github上面看到一个开源的ocr文字识别库，感觉效果还可以，所以在这里介绍一下，这个项目的原地址在：https://github.com/tesseract-ocr/tesseract。
tesseract库支持你训练自己的文字识别模型，当然其本身已经提供了几十种不同语言模型，你也可以直接下载使用，最新的4.0版本使用了LSTM神经网络框架，
在识别中文方面效果还是不错的。tesseract有两种使用方式，一种是安装完成以后，通过命令行向tesseract应用传入要解析的图片，翻译完成后输出一个txt文件；
第二种方式是自己写程序调用api函数。
下面介绍一下tesseract库的使用方法。
如果你用的是ubuntu18.0.4那么安装很简单：
在终端输入指令安装即可：
sudo apt-get install tesseract-ocr
sudo apt-get install libtesseract-dev
如果你跟我一样是使用ubuntu16.0.4，那么需要按照我下面的方法来安装，因为16.0.4采用上面的办法安装的是3.0的版本，3.0解析的效果不是很好。
如果你是在windows平台或其他平台可以参考:https://github.com/tesseract-ocr/tesseract/wiki/Compiling。
（1）安装依赖库
sudo apt-get install g++
sudo apt-get install autoconf automake libtool
sudo apt-get install pkg-config
sudo apt-get install libpng-dev
sudo apt-get install libjpeg8-dev
sudo apt-get install libtiff5-dev
sudo apt-get install zlib1g-dev
sudo apt-get install libicu-dev
sudo apt-get install libpango1.0-dev
sudo apt-get install libcairo2-dev
sudo apt-get install git
（2）安装leptonica 1.74
cd ~/Download
git clone https://github.com/DanBloomberg/leptonica
cd leptonica
./configure
make
make install
（3）安装tesseract
cd ~/Download
git clone https://github.com/tesseract-ocr/tesseract
cd tesseract
./autogen.sh
./configre --prefix=/usr/local
make
make install
（4）下载语言包
tesseract提供了三种模型，testdata：普通模型，testdata_fast：快速识别模型，testdata_best：最佳识别模型，
在：https://github.com/tesseract-ocr/tessdata_best目录下下载：eng.traineddata、chi_sim.traineddata、chi_sim_vert.traineddata三个文件，
然后将这三个文件复制到/usr/local/share/testdata目录下，如果你想识别其他语言也是下载语言识别模型然后放到testdata目录下即可。
（5）设置语言模型路径
vim ~/.bashrc
在末尾添加：export TESSDATA_PREFIX=/usr/local/share/tessdata/
然后关闭终端，重新打开终端生效。
（6）测试识别库
在终端输入
tesseract --version看版本是否如下：
输入：
tesseract --list-langs查看语言模型是否正确：
可以看到自动识别了英语和简体中文模型了。
然后随便找张有中文字符的图片进行识别测试：
tesseract 1.jpg out -l chi_sim
参数说明：1.jpg：要解析的文件
out：解析输出的文件名
-l chi_sim：采用的语言模型，这里选择了简体中文。
我识别的原文：
识别到的文字如下：
（7）用C++调用api进行识别测试。
代码：
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <iostream>
#include <memory>
using namespace std;
int main()
tesseract::TessBaseAPI api;
cout<<"version:"<<api.Version()<<endl;
if(api.Init(NULL,"chi_sim")==0)
cout<<"Init Ok"<<endl;
else
cout<<"Init error"<<endl;
return -1;
api.SetPageSegMode(tesseract::PageSegMode::PSM_AUTO);
api.SetVariable("save_best_choices","T");
auto pixs = pixRead("./1.jpg");
if(!pixs)
cout<<"load image error"<<endl;
return -2;
api.SetImage(pixs);
api.Recognize(0);
cout<<std::unique_ptr<char[]>(api.GetUTF8Text()).get()<<endl;
api.Clear();
pixDestroy(&pixs);
return 0;
makefile:
CXX := g++ CXX_FLAGS := -Wall -Wextra -std=c++11 -ggdb BIN := . SRC := . INCLUDE := LIB := LIBRARIES :=-llept -ltesseract EXECUTABLE := ocrDemo all: $(BIN)/$(EXECUTABLE) run: clean all clear ./$(BIN)/$(EXECUTABLE) $(BIN)/$(EXECUTABLE): $(SRC)/*.cpp $(CXX) $(CXX_FLAGS) -I$(INCLUDE) -L$(LIB) $^ -o [email protected] $(LIBRARIES) clean: -rm $(BIN)/*
测试效果：
开源文字识别软件tesseract
...置环境变量，Path中添加安装路径（默认：C:ProgramFiles(x86)Tesseract-OCR）3.新增语言库的环境变量，变量名：TESSDATA_PREFIX，变量值（默认：C:ProgramFiles(x86)Tesseract-OCR essdata）4.测试软件是否可用tesseract-v，能看到版本号就说明安装 查看详情
为啥 Tesseract OCR 库（iOS）根本无法识别文本？
】为啥TesseractOCR库（iOS）根本无法识别文本？【英文标题】：WhyTesseractOCRlibrary(iOS)cannotrecognizetextatall?为什么TesseractOCR库（iOS）根本无法识别文本？【发布时间】：2013-06-1416:24:23【问题描述】：我正在尝试在我的iOS应用程序中使... 查看详情
tesseract-ocr安装中文识别与训练字库
...，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。下载1、Wind 查看详情
orc相关的库介绍和应用
...光学文字识别（OpticalCharacterRecognition，OCR）OCR库：Pillow、Tesseract、NumPyPillowPillow可以对图片进行预处理，比如图片背景色不是纯白，而是渐进色，那么就可以利用Pillow进行预处理得到相对清晰的图片来提供给Tesseract去识别。Tessera... 查看详情
[转]ai+rpa融合更智能
...本地OCR包最大的优势，本地执行，速度快。首推的是 Tesseracthttp://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe （下载地址）Tesseract是免费开源的OCR工具，部署在本地以后可以搞定比较基础的图像文字识别。Tesserac... 查看详情
爬虫之简单验证码处理(代码片段)
...OCR库，或者是在上面进行定制。在这里我们只重点介绍：Tesseract Tesseract是一个OCR库,目前由Google赞助(Goo 查看详情
tesseract-ocr编译及viewerdebugging使用(代码片段)
...的文字进行分析识别，获取的过程。一、简介 Tesseract-OCR依赖图像库Leptonica。Leptonica是一个开源的图像处理和图像分析库。它主要包括的操作有：位图操作、仿射变换、形态学操作、连通区域填充、图像变换及像素... 查看详情
使用python，opencv进行tesseract-ocr绑定及识别(代码片段)
使用Python，OpenCV进行Tesseract-OCR绑定及识别1.效果图2.安装Tesseract+Python“绑定”及识别3.源码参考上一篇博客介绍了Windows上Tesseract-OCR的安装，并使用命令行参数进行了OCR数字和字母的识别。这一篇将介绍如何使用Python应... 查看详情
tesseract在linux环境怎么训练自己的字库
参考技术A首先做一下背景介绍，Tesseract是一个开源的OCR组件，主要针对的是打印体的文字识别，对手写的文字识别能力较差，支持多国语言（中文、英文、日文、韩文等）。是开源世界里最强的一款OCR组件。 查看详情
windows安装用于ocr的tesseract及使用命令行参数进行ocr
Windows安装用于OCR的Tesseract及使用命令行参数进行OCR1.效果图2.Tesseract安装及验证参考这篇博客将介绍如何安装和使用光学字符识别（OCROpticalCharacterRecognition）的Tesseract库，并使用命令行对图像中的字符进行识别；**... 查看详情
windows环境安装tesseract-ocr4.00并配置环境变量
...不让直接用别人的接口，所以只能尝试去用开源的类库。tesseract-ocr是惠普公司开源的一个文字识别项目，通过它可以快速搭建图文识别系统，帮助我们开发出能识别图片的ocr系统。因为Windows环境开发，我也就必须在windows环境安... 查看详情
pytesseract——验证码的识别——pil库的介绍
1、简介Python-tesseract是一款用于光学字符识别（OCR）的python工具，即从图片中识别出其中嵌入的文字。Python-tesseract是对GoogleTesseract-OCR的一层封装。它也同时可以单独作为对tesseract引擎的调用脚本，支持使用PIL库（PythonImagingLibrary... 查看详情
python使用tesseract-ocr完成验证码识别
一、python验证码识别库安装Ubuntu版本：1.tesseract-ocr安装 sudoapt-getinstalltesseract-ocr2.pytesseract安装 sudopipinstallpytesseract3.Pillow安装 sudopipinstallpillow其他linux版本（如centos）： 1.tess 查看详情
python使用tesseract-ocr完成验证码识别
一、python验证码识别库安装Ubuntu版本：1.tesseract-ocr安装 sudoapt-getinstalltesseract-ocr2.pytesseract安装 sudopipinstallpytesseract3.Pillow安装 sudopipinstallpillow其他linux版本（如centos）： 1.tess 查看详情
利用tesseract识别58同城图片式手机号码
...破这该死的图片号码的！这里我们利用Google的开源项目：Tesseract-ocr（项目地址：https://github.com/tesseract-ocr）其实，Tesseract的网上的教程其实有很多，关于它的介绍，我在这里就不说了，直接讲重点！先是 查看详情
如何通过tesseract开源ocr引擎创建androidocr应用
参考技术A Tesseract是遵守ApacheLicense2.0协议的开源OCR引擎。这里介绍下如何在Android平台编译Tesseract，以及如何快速创建一个简单的OCR应用。要编译Android平台的Tesseract，需要使用Google提供的tesseract-android-tools。代码获取方式：git... 查看详情
tesseract-ocr编译及viewerdebugging使用(代码片段)
...的文字进行分析识别，获取的过程。一、简介 Tesseract-OCR依赖图像库Leptonica。Leptonica是一个开源的图像处理和图像分析库。它主要包括的操作有：位图操作、仿射变换、形态学操作、连通区域填充、图像变换及像素... 查看详情
验证码识别tesseract的简单使用和总结(代码片段)
Tesseract是什么OCR即光学字符识别，是指通过电子设备扫描纸上的打印的字符，然后翻译成计算机文字的过程。也就是说通过输入图片，经过识别引擎，去识别图片上的文字。Tesseract是一种适用于各种操作系统的光学字符识别引擎... 查看详情