Tesseract OCR是一款國外的OCR圖片文字識別類庫，它可以幫你識別圖片上的文字內(nèi)容。下載解壓后會看到三個文件：tesseract-ocr-w64-setup-v4.0.0.20181030.exe、jTessBoxEditor-1.5.zip、chi_sim.traineddata，不會用的網(wǎng)友請仔細(xì)閱讀使用方法。

下載jTessBoxEditor可以提升識別痽確性：http://m.wjmjhs.com/down/67988.html

使用方法

下載完后進行安裝，默認(rèn)情況下安裝程序會給你配置系統(tǒng)環(huán)境變量，以指向安裝目錄（之后可以通過DOS界面在任意目錄運行tesseract）。安裝完成后目錄如下:
附錄:

tessdata 目錄存放的是語言字庫文件，和在命令行界面中可能用到的參數(shù)所對應(yīng)的文件. 這個安裝程序默認(rèn)包含了英文字庫。
使用Tessract-OCR引擎識別驗證碼
打開DOS界面，輸入tesseract：

如果出現(xiàn)如上輸出，表示安裝正常。
我準(zhǔn)備了一張驗證碼tesseract ocr下載放在D盤根目錄下，上圖:

結(jié)果為:

附錄:
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 圖片名 輸出文件名 -l 字庫文件 -psm pagesegmode 配置文件
例如：
tesseract code.jpg result -l chi_sim -psm 7 nobatch
-l chi_sim 表示用簡體中文字庫（需要下載中文字庫文件，解壓后，存放到tessdata目錄下去，字庫文件擴展名為 .raineddata 簡體中文字庫文件名為: chi_sim.traineddata）
-psm 7 表示告訴tesseract code.jpg圖片是一行文本 這個參數(shù)可以減少識別錯誤率. 默認(rèn)為 3
configfile 參數(shù)值為tessdata\configs 和 tessdata\tessconfigs 目錄下的文件名

文件信息

文件大�。�33738375 字節(jié)
MD5：3F8031F74CB7CAB5255E4557BCA52133
SHA1：4B25FB1F9F918D5A0876182E507A8B06D2E9BA07
CRC32：320B46ED

官方網(wǎng)站：https://github.com/tesseract-ocr

相關(guān)搜索：OCR