tesseract ocr是一款由惠普開(kāi)發(fā)的圖像識(shí)別類庫(kù)，后面成為Open source，據(jù)說(shuō)曾經(jīng)的圖像識(shí)別能力排名第三，為大家提供的版本是3.02.02 for windows，喜歡的朋友歡迎前來(lái)下載使用。

Tesseract的OCR引擎最先由HP實(shí)驗(yàn)室于1985年開(kāi)始研發(fā)，至1995年時(shí)已經(jīng)成為OCR業(yè)內(nèi)最準(zhǔn)確的三款識(shí)別引擎之一。然而，HP不久便決定放棄OCR業(yè)務(wù)，Tesseract也從此塵封。 數(shù)年以后，HP意識(shí)到，與其將Tesseract束之高閣，不如貢獻(xiàn)給開(kāi)源軟件業(yè)，讓其重?zé)ㄐ律?005年，Tesseract由美國(guó)內(nèi)華達(dá)州信息技術(shù)研究所獲得，并求諸于Google對(duì)Tesseract進(jìn)行改進(jìn)、消除Bug、優(yōu)化工作。 Tesseract目前已作為開(kāi)源項(xiàng)目發(fā)布在Google Project，其項(xiàng)目主頁(yè)在這里查看，其最新版本3.0已經(jīng)支持中文OCR，并提供了一個(gè)命令行工具。

使用方法

    下載完后進(jìn)行安裝,默認(rèn)情況下安裝程序會(huì)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(guò)DOS界面在任意目錄運(yùn)行tesseract）。安裝完成后目錄如下:
    附錄:

    tessdata 目錄存放的是語(yǔ)言字庫(kù)文件，和在命令行界面中可能用到的參數(shù)所對(duì)應(yīng)的文件.  這個(gè)安裝程序默認(rèn)包含了英文字庫(kù)。
    使用Tessract-OCR引擎識(shí)別驗(yàn)證碼
    打開(kāi)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(yàn)證碼放在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(kù)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(jiǎn)體中文字庫(kù)（需要下載中文字庫(kù)文件，解壓后，存放到tessdata目錄下去,字庫(kù)文件擴(kuò)展名為  .raineddata 簡(jiǎn)體中文字庫(kù)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(gè)參數(shù)可以減少識(shí)別錯(cuò)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