關於中文的識別，效果比較好而且開源的應該就是Tesseract-OCR了，所以自己親身試用一下，分享到博客讓有同樣興趣的人少走彎路。
文中所用到的身份證圖片資源是百度找的，如有侵權可聯系我刪除。
一、准備工作
1、下載Tesseract-OCR引擎，注意要3.0以上才支持中文哦，按照提示安裝就行。
最后下載4.0版本
2、下載chi_sim.traindata字庫。要有這個才能識別中文。下好后，放到Tesseract-OCR項目的tessdata文件夾里面。
https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata
3、下載jTessBoxEditor，這個是用來訓練字庫的。
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/jTessBoxEditor-1.7.3.zip/download
- 為了識別方便建議放到環境變量中.
二、識別
1、進入cmd，進入到要識別的圖片的路徑下。
-解決bug
出現了這個錯誤. 下面的意思就是說不能加載’eng’語言包。請將tessdata的父文件夾路徑設置為TESSDATA_PREFIX環境變量值，這個就是說在環境變量中新建一個系統變量，變量名稱為TESSDATA_PREFIX，tessdata是放置語言包的文件夾，一般在你安裝tesseract的目錄下，即tesseract的安裝目錄就是tessdata的父目錄，把TESSDATA_PREFIX的值設置為它就行了
2、輸入命令
tesseract 圖片名稱 生成的結果文件的名稱 字庫
例如我的圖片識別就是：
tesseract test.jpg result -l chi_sim
識別完后會生成result.txt文件
三、訓練
1、將圖片轉換成tif格式，用於后面生成box文件。可以通過畫圖，然后另存為tif即可。
更改圖片名字，這個是有要求的=。=
tif文面命名格式[lang].[fontname].exp[num].tif
lang是語言 fontname是字體
比如我們要訓練自定義字庫 mjorcen字體名normal
那么我們把圖片文件重命名 mjorcen.normal.exp0.jpg在轉tif。
2、生成box文件。
tesseract mjorcen.normal.exp0.jpg mjorcen.normal.exp0 -l chi_sim batch.nochop makebox
box文件和對應的tif一定要在相同的目錄下，不然后面打不開。
3、打開jTessBoxEditor矯正錯誤並訓練
打開train.bat
找到tif圖，打開，並校正。切換到圖片所指的路徑
出現亂碼 這是因為你軟件設置字體的問題
在setting>font 設置中文字體
進行矯正 主要就是坐標 位置的調整,注意 添加需要選擇上一個文字才能分離
