Tesseract-OCR -01-Tesseract 介绍

Tesseract-OCR -01-Tesseract 介绍

OCR(Optical Character Recognition)：

• 光学字符识别,是指对图片文件中的文字进行分析识别，获取的过程
• Tesseract - OCR 引擎最先由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。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封
• 数年以后，HP 意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生
• 在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，Tesseract 由惠普公司宣布开源
• 从2006年到现在，都由 Google 公司开发维护

Tesseract - OCR 特性

• 目前，Tesseract可以识别超过100种语言。也可以用来训练其它的语言
• 源码包提供了一个OCR的引擎——libtesseract 以及一个命令行程序——tesseract.exe
• Tesseract 支持多种输出格式，如：普通文本、html、pdf 等

对于开发者

• 开发者可以使用libtesseract的C/C++接口来构建自己的程序
• Tesseract从源码生成的文档可以在tesseract-ocr.github.io中找到

我的 Tesseract 随笔

• Tesseract-OCR-02-Tesseract-OCR 的安装与 环境变量配置
• Tesseract-OCR-03-图片文字识别
• Tesseract-OCR-04-使用 jTessBoxEditor 提高文字识别准确率

---

• 本笔记不允许任何个人和组织转载