Tesseract ocr圖像識別工具v3.02.02免費版

Tesseract ocr圖像識別工具v3.02.02免費版是一款強大的圖像識別類，可以將圖片中的文字識別出來，而且支持中文，準確率高，需要的用戶趕快來下載吧。

官方介紹

Tesseract的OCR引擎最先由HP實驗室於1985年開始研發，至1995年時已經成為OCR業內最準確的三款識別引擎之一。然而，HP不久便決定放棄OCR業務，Tesseract也從此塵封。

數年以後，HP意識到，與其將Tesseract束之高閣，不如貢獻給開源軟件業，讓其重煥新生－－2005年，Tesseract由美國內華達州信息技術研究所獲得，並求諸於Google對Tesseract進行改進、消除Bug、優化工作。

Tesseract目前已作為開源項目發布在Google Project，其項目主頁在這裏查看，其最新版本3.0已經支持中文OCR，並提供了一個命令行工具。本次我們來測試一下Tesseract 3.0，由於命令行對最終用戶不太友好，我用WPF簡單封裝了一下，就可以方便的進行中文OCR了。

安裝教程

下載完後進行安裝,默認情況下安裝程序會給你配置係統環境變量,以指向安裝目錄(之後可以通過DOS界麵在任意目錄運行tesseract)。安裝完成後目錄如下:

附錄:

tessdata 目錄存放的是語言字庫文件，和在命令行界麵中可能用到的參數所對應的文件. 這個安裝程序默認包含了英文字庫。

使用Tessract-OCR引擎識別驗證碼

打開DOS界麵，輸入tesseract：

如果出現如上輸出，表示安裝正常。

Usage:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]

pagesegmode values are:

0 = Orientation and script detection (OSD) only.

1 = Automatic page segmentation with OSD.

2 = Automatic page segmentation, but no OSD, or OCR

3 = Fully automatic page segmentation, but no OSD. (Default)

4 = Assume a single column of text of variable sizes.

5 = Assume a single uniform block of vertically aligned text.

6 = Assume a single uniform block of text.

7 = Treat the image as a single text line.

8 = Treat the image as a single word.

9 = Treat the image as a single word in a circle.

10 = Treat the image as a single character.

使用命令

-l lang and/or -psm pagesegmode must occur before anyconfigfile.

tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]

tesseract 圖片名 輸出文件名 -l 字庫文件 -psm pagesegmode 配置文件

例如：

tesseract code.jpg result -l chi_sim -psm 7 nobatch

-l chi_sim 表示用簡體中文字庫(需要下載中文字庫文件，解壓後，存放到tessdata目錄下去,字庫文件擴展名為 .raineddata 簡體中文字庫文件名為: chi_sim.traineddata)

-psm 7 表示告訴tesseract code.jpg圖片是一行文本 這個參數可以減少識別錯誤率. 默認為 3

configfile 參數值為tessdata\configs 和 tessdata\tessconfigs 目錄下的文件名