tesseract ocr(图像识别类库)

tesseractocr是原先惠普开发的图像识别类库，后面成为Opensource，据说曾经的图像识别能力排名第三，为大家提供的版本是4.0.0forwindows。。

tesseract ocr是原先惠普开发的图像识别类库，后面成为Open source，据说曾经的图像识别能力排名第三，为大家提供的版本是4.0.0 for windows。

使用方法

    下载完后进行安装,默认情况下安装程序会给你配置系统环境变量,以指向安装目录（之后可以通过DOS界面在任意目录运行tesseract）。安装完成后目录如下:
    附录:

    tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件.  这个安装程序默认包含了英文字库。
    使用Tessract-OCR引擎识别验证码
    打开DOS界面，输入tesseract：

    如果出现如上输出，表示安装正常。
    我准备了一张验证码放在D盘根目录下，上图:

    结果为:

    附录:
    Usage:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
    pagesegmode values are:
    0 = Orientation and script detection (OSD) only.
    1 = Automatic page segmentation with OSD.
    2 = Automatic page segmentation, but no OSD, or OCR
    3 = Fully automatic page segmentation, but no OSD. (Default)
    4 = Assume a single column of text of variable sizes.
    5 = Assume a single uniform block of vertically aligned text.
    6 = Assume a single uniform block of text.
    7 = Treat the image as a single text line.
    8 = Treat the image as a single word.
    9 = Treat the image as a single word in a circle.
    10 = Treat the image as a single character.
    -l lang and/or -psm pagesegmode must occur before anyconfigfile.
    tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
    tesseract    图片名  输出文件名 -l 字库文件 -psm pagesegmode 配置文件
    例如：
    tesseract code.jpg result  -l chi_sim -psm 7 nobatch
    -l chi_sim 表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为  .raineddata 简体中文字库文件名为:  chi_sim.traineddata）
    -psm 7 表示告诉tesseract code.jpg图片是一行文本  这个参数可以减少识别错误率.  默认为 3
    configfile 参数值为tessdata\configs 和  tessdata\tessconfigs 目录下的文件名