tesseract是一個開源的OCR引擎，最初是由惠普公司開發(fā)用來作為其平板掃描儀的OCR引擎，2005年惠普將其開源出來，之后google接手負責維護。目前穩(wěn)定的版本是3.0。4.0版本加入了基于LSTM的神經(jīng)網(wǎng)絡技術(shù)，中文字符識別準確率有所提高。

ubuntu下tesseract 4.0安裝：

終端輸入以下命令：

sudo add-apt-repository ppa:alex-p/tesseract-ocr

sudo apt-get update

sudo apt-get install tesseract-ocr

測試安裝是否成功，同時檢查版本：

tesseract --version


字庫下載

tesseract支持60多種語言的識別不同，使用之前需要先下載對應語言的字庫，下載地址：https://github.com/tesseract-ocr/tessdata

下載完成之后把.traineddata字庫文件放到tessdata目錄下，默認路徑是/usr/share/tesseract-ocr /4.0/tessdata

中文OCR識別測試

在終端中使用tesseract格式：

tesseract xx.jpg result --psm 7

執(zhí)行之后生成結(jié)果記錄在result里，--psm 7 指令表示內(nèi)容是一行文本
更多tesseract使用指令可以查看help

tesseract --help

查看已安裝字庫

tesseract --list-langs

--psm命令
psm命令指明文本的模式，默認為3:

--oem命令

定義OCR引擎的模式:

轉(zhuǎn)載于:https://www.cnblogs.com/mtcnn/p/9411802.html

總結(jié)

以上是生活随笔為你收集整理的ubuntu下tesseract 4.0安装及参数使用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。