Google开源OCR项目Tesseract安装版在Windows下的使用测试记录

开源OCR项目有很多，给大家一个链接，这个链接列出了现有的比较出名的OCR开源项目，链接如下：

https://en.wikipedia.org/wiki/Comparison_of_optical_character_recognition_software

从上面的排名可以看到，Tesseract是排在第一名的，所以咱们就先研究和测试它吧！

首先下载Tesseract在Windows下的安装版。(因为在国外访问不了谷歌，所以我翻墙下载了下来，这里给大家百度网盘链接)

http://pan.baidu.com/s/1i56Uxlr

下载下来之后一路Next安装好，然后在开始菜单找到其控制台引导程序，如下图所示：



上面的安装包里自带了已经训练好的英文-拉丁文识别数据~所以我们先来测试一下英文字符的识别吧~识别图像如下：



上面这幅图片的下载链接：http://pan.baidu.com/s/1c9k4X4

把上面的图片放到Tesseract的安装目录下，如下图所示：



然后打开上面提到的控制台窗口，如下图所示：



在窗口中输入命令：“tesseract.exe 03.jpg 3”，并回车，如下图所示：



解释一下：03.jpg代表待识别的源文件，3代表输出文件名，默认输出格式是txt文件格式！

如果你不知道命令的参数格式，可以像下面这样查询：



注意，上面的 lang之前是-l 而不是-1！

输入命令“tesseract.exe 03.jpg 3”后，在安装目录下生成了3.txt文件，这是识别结果，如下图所示：



可见，对英文字符的识别率还是挺不错的。

接下来，我们测试下对中文的识别。首先要把中文训练数据放到目录C:\Program Files (x86)\Tesseract-OCR\tessdata 下边，如下图所示：



图片中的chi_tra.traineddata下载链接：http://pan.baidu.com/s/1nvaYhJz

然后在目录中放入测试图片04.jpg 05.jpg 这两幅图的下载链接为：http://pan.baidu.com/s/1qXUMwOk

如下图所示：


　　


然后在CMD窗口中分别输入如下命令：

tesseract.exe 04.jpg 5 -l chi_tra

tesseract.exe 05.jpg 5_2 -l chi_tra

运行结果如下图所示：


 


可见，结果非常不理想，所以接下来的任务就是要研究怎样提高识别率了，当然这是后话了，本文就先写到这样！