tesseract-Oct的简单使用（入门）以及安装包下载

下载地址：点我

简单介绍：Tesseract是一个开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别多种格式的图像文件并将其转换成文本，目前已支持60多种语言（包括中文）。也就是说它可以识别出图片当中的多种语言并转换为txt类型，比如二维码等。

安装方式：直接安装下载的exe文件即可

简单使用方式：使用命令行，cd到当前你想要识别的图片目录，然后使用tesseract xxx.jpg resault -l eng的命令即可得到对图片中文字识别的txt文件（下面有参考图）

如何添加语言库？下载链接中有一个中文字符的语言库，下载解压后直接放到tessdata目录下即可，比如：C:\Program Files (x86)\Tesseract-OCR\tessdata

对于手写字体的识别效果不会太好，因此需要训练自己的语言库，最后面有参考链接（很多时候上不去。。。。。。）



测试图片（对于标准字体的识别率特别好，中文的稍差，手写的识别效果更差）：



训练自己的语言库：

http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3