Java OCR tesseract 图像智能字符识别技术（一）

本人程序用的tesseract，官方地址：https://code.google.com/p/tesseract-ocr/，不为别的，谁让它支持我们的天朝的文字呢~哈

下载好程序后解压：



大概可以看到这样一个目录，别见怪楼主里面一堆测试文件。

然后就开始我们的测试之旅：

tesseract的用法：

参数1：需要识别的文件

参数2：输出的文件名称，输出的是文本文件，里面保存了识别的信息

识别英文这两个参数就可以了，下面做个实验：



我们在命令行输入：tesseract 5.jpg 6 ，可以看到程序生成了一个6.txt ，里面保存着识别后的文本，怎么样简单又给力~

上面说道tesseract 是支持中文的，所以么，接下来看看如何使用tesseract 实现我们中文的识别，下面继续介绍其他参数

参数3：-l

参数4： 使用的语言库

参数3 -l应该是知道参数4所使用的语言库，默认英文，也就是为什么上面识别英文的例子，并没有输入参数3和参数4，也实现了识别。

下面继续我们的实验：



我们准备了一张图片，然后使用tesseract zhongwen.jpg  7  -l chi_sim 指明了中文语言，然后效果图上，还是很不错的，毕竟我们的中文是如此的博大精深，并且tesseract可以经过训练，然后识字的能力就会大幅度提升。