zoukankan      html  css  js  c++  java
  • Tesseract-OCR 安装、中文识别与训练字库

    简介

    OCR(Optical Character Recognition):光学字符识别,是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程。
    Tesseract:开源的OCR识别引擎,初期Tesseract引擎由HP实验室研发,后来贡献给了开源软件业,后由Google进行改进、修改bug、优化,重新发布。

    下载

    1、Windows版本Tesseract各版本下载,本教程用的版本是tesseract-ocr-setup-4.00.00dev.exe(【注意】要3.0以上才支持中文)。
    项目github地址:Tesseract

    2、各版本对应字库要识别简体中文需要下载chi_sim.traindata字库(【注意】根据版本下载对应字库)。

    3、jTessBoxEditor官网下载,用来训练字库的,带FX的版本才支持中文。

    安装

    1、点击tesseract-ocr-setup-4.00.00dev.exe文件,按提示安装就行,安装成功之后如下张图:

     

    【注意】tesseract在win7系统配置环境变量跟java jdk配置相同。

    复制你的安装路径,我的安装路径D:PythonTesseract-OCR,界面如下:

     打开我的电脑--系统属性->高级->环境变量

     

     

    【注意】 于其他路径要以“;”隔开

    在CMD窗口中输入“tesseract -v,”配置成功如下图:

     

    2、将下载好的字库放到Tesseract-OCR项目的tessdata文件夹里面。

    识别

    进入cmd,进入到要识别的图片的路径下E:PythonCode*** esseract图片识别(根据自己图片位置而定),输入命令

    识别

    进入cmd,进入到要识别的图片的路径下E:PythonCode*** esseract图片识别(根据自己图片位置而定),输入命令

     

    例如我的图片识别就是:

     

     

     经验转载于:https://www.jianshu.com/p/3326c7216696

     

  • 相关阅读:
    VBoxManage命令详解
    十条nmap常用的扫描命令
    2015-12-16 第八天笔记整理-第二部分
    2015-12-13 第八天笔记整理-第一部分
    2015-12-06 第七天课程笔记
    2015-12-04 学习笔记整理
    2015-11-22 第五天
    选择控制语句和循环结构
    数据类型和运算符
    常用DOS指令
  • 原文地址:https://www.cnblogs.com/maybaco/p/13256226.html
Copyright © 2011-2022 走看看