幫助文件：https://github.com/tesseract-ocr/tesseract/blob/master/doc/tesseract.1.asc
下載地址：https://github.com/tesseract-ocr/tesseract/wiki
如何使用提供的工具來訓練Tesseract 4.00：https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract-4.00
1、介紹
圖片文字的OCR識別有一款開源原件tesseract-ocr,最初是在linux上，當然現在也有windows版本，現在發展到4.0版本。
2、下載tesseract-ocr
下載地址：https://github.com/tesseract-ocr/tesseract/wiki
里面有linux版本、macOS版本還有windows版本
下面下載windows版本，如下圖：
點擊上面的鏈接，進入
下載完成
3、安裝，設置環境變量
雙擊上的exe，進行安裝
安裝完后打開軟件坐在目錄，這里我選擇的是默認目錄C:\Program Files (x86)\Tesseract-OCR
安裝目錄C:\Program Files (x86)\Tesseract-OCR，安裝完成后，設置環境變量
在系統變量下面點擊新建，按照如圖建一個變量如圖
變量名TESSDATA_PREFIX，變量值：C:\Program Files (x86)\Tesseract-OCR\tessdata
4、應用
經過上面的調整tesseract命令可以在任意目錄調用了，下面是tessract應用實例
4.1、識別中文圖片
識別結果：
命令：tesseract 中文.png log -l chi_sim
把圖片文件上的中文字符識別出來，寫到log文本文件里面
4.2、識別英文圖片
tesseract.exe 英文.png log -l eng
識別結果：
4.3、識別中英文混合
tesseract.exe 中文-英文-混合.png log -l chi_sim+eng
識別結果效果，中文部分不好
如果用 tesseract 中文-英文-混合.png log -l chi_sim
識別結果：顯示中文識別比較好，但是因為有出息識別成中文的情況
4.4、識別簡單數字
tesseract num.png log -l chi_sim
tesseract num.png log -l eng
都可以正常識別
如下面復雜的識別碼就識別不了
總結：在識別只包含英文和數字的圖片可以用簡單的命令：
tesseract num.png log
如果包含中文的必須指定中文庫：chi_sim
tesseract num1.png log -l chi_sim
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 這個參數可以減少識別錯誤率. 默認為 3
configfile 參數值為tessdata\configs 和 tessdata\tessconfigs 目錄下的文件名