tesseract ocr 中文版

tesseract-ocr是一款ocr文字识别软件，能够快速将图片文字进行识别提取，从转换成电子文档，tesseract ocr windows常适用于印刷行业；另外国内多种包含ocr技术的软件，例如清华文通、汉王等也都是非常不错的。有需要的朋友欢迎来IT猫扑下载吧。

tesseract ocr中文版平台支持

Tesseract可以在Linux，Windows（用VC++Express或CygWin）和Mac OSX上运行。它也可以在其他平台上编译，包括Android和iPhone，虽然这些都不是行之有效的平台。其他项目也可以用插件页面在各种平台上使用Tesseract。

tesseract ocr安装说明

下载完后进行安装,默认情况下安装程序会给你配置系统环境变量,以指向安装目录（之后可以通过DOS界面在任意目录运行tesseract）。

tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件.  这个安装程序默认包含了英文字库。

使用Tessract-OCR引擎识别验证码

打开DOS界面，输入tesseract：

如果出现如上输出，表示安装正常。

我准备了一张验证码code.jpg放在D盘根目录下

附录:

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.

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

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

tesseract    图片名  输出文件名 -l 字库文件 -psm pagesegmode 配置文件

例如：

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

-l chi_sim 表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为  .raineddata 简体中文字库文件名为:  chi_sim.traineddata）

-psm 7 表示告诉tesseract code.jpg图片是一行文本  这个参数可以减少识别错误率.  默认为 3

configfile 参数值为tessdataconfigs 和  tessdatatessconfigs 目录下的文件名

核心开发

核心开发人员是Ray Smith。

在相关工作中，Thomas Breuel（tmbdev）和Ilya Mezhirov （mezhirov）开发了OCRopus项目，该项目还提供了布局分析和统计语言建模的工作。

Tesseract的大部分运作由谷歌赞助。