tesseract-ocr(开源图像识别引擎)

Tesseract-ocr是一款免费并且开源的图像识别OCR引擎，它最早由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。它可以读取各种格式的图像并将它们转换成超过60种语言的文本。2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。我们可以使用它制作拥有验证码识别、身份证识别、图像转文字等功能的软件。

什么是OCR识别？

光学字符识别(OCR，Optical Character Recognition)是指对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。OCR技术非常专业，一般多是印刷、打印行业的从业人员使用，可以快速的将纸质资料转换为电子资料。目前国内水平较高的中文ocr有清华文通、汉王、尚书等，其产品各有千秋，价格不菲。国外OCR发展较早，像一些大公司，如IBM、微软、HP等，即使没有推出单独的OCR产品，但是他们的研发团队早已掌握核心技术，将OCR功能植入了自身的软件系统。对于一般的程序员来说，一般用不到那么高级的，主要在开发中能够集成基本的OCR功能就可以了。

tesseract-ocr安装与使用图文教程

1.打开下载的压缩包，找到“tesseract-ocr-setup-3.02.02.exe”，双击运行，进入下图所示安装界面，点击“next”。

2.勾选“I accept....”，然后点击“next”。

3.选择可以使用该软件的用户，这里我们选择第一个，任何使用该电脑的人都可以使用它，然后点击"next"。

4.选择安装路径，之后点击“next”。

5.选择需要安装的组件，默认是没有勾选语言组件的，我们可以勾选自己想要识别的语言。勾选简体中文的话，那么就可以识别有简体中文的图像了，其他语言同理。

6.正在安装中，请耐心等待。

7.安装完成之后我们打开cmd，输入“tesseract”，出现下图所示表示安装成功。

8.这里小编从网上下了一个验证码的图片作为演示，我们可以看到这张图片内的数字为7364，小编给该图片命名为“test.png”。

9.接下来，进入图片所在路径，输入“tesseract  test.png  test”，后面的test表示将识别出来的内容放在test文本文件中。不出意外我们的图片所在的文件夹下将会生成一个test.txt文本文件。

10.果然生成了test.txt文本文件，打开可以看到内容为7364，和我们下载图片的内容一致，识别成功！有关各种命令行选项的更多信息，请使用tesseract --help或man tesseract。