最近在github上面看到一個開源的ocr文字識別庫，感覺效果還可以，所以在這里介紹一下，這個項目的原地址在：https://github.com/tesseract-ocr/tesseract。
tesseract庫支持你訓練自己的文字識別模型，當然其本身已經提供了幾十種不同語言模型，你也可以直接下載使用，最新的4.0版本使用了LSTM神經網絡框架，
在識別中文方面效果還是不錯的。tesseract有兩種使用方式，一種是安裝完成以后，通過命令行向tesseract應用傳入要解析的圖片，翻譯完成后輸出一個txt文件；
第二種方式是自己寫程序調用api函數。
下面介紹一下tesseract庫的使用方法。
如果你用的是ubuntu18.0.4那么安裝很簡單：
在終端輸入指令安裝即可：
sudo apt-get install tesseract-ocr
sudo apt-get install libtesseract-dev
如果你跟我一樣是使用ubuntu16.0.4，那么需要按照我下面的方法來安裝，因為16.0.4采用上面的辦法安裝的是3.0的版本，3.0解析的效果不是很好。
如果你是在windows平台或其他平台可以參考:https://github.com/tesseract-ocr/tesseract/wiki/Compiling。
（1）安裝依賴庫
sudo apt-get install g++
sudo apt-get install autoconf automake libtool
sudo apt-get install pkg-config
sudo apt-get install libpng-dev
sudo apt-get install libjpeg8-dev
sudo apt-get install libtiff5-dev
sudo apt-get install zlib1g-dev
sudo apt-get install libicu-dev
sudo apt-get install libpango1.0-dev
sudo apt-get install libcairo2-dev
sudo apt-get install git
（2）安裝leptonica 1.74
cd ~/Download
git clone https://github.com/DanBloomberg/leptonica
cd leptonica
./configure
make
make install
（3）安裝tesseract
cd ~/Download
git clone https://github.com/tesseract-ocr/tesseract
cd tesseract
./autogen.sh
./configre --prefix=/usr/local
make
make install
（4）下載語言包
tesseract提供了三種模型，testdata：普通模型，testdata_fast：快速識別模型，testdata_best：最佳識別模型，
在：https://github.com/tesseract-ocr/tessdata_best目錄下下載：eng.traineddata、chi_sim.traineddata、chi_sim_vert.traineddata三個文件，
然后將這三個文件復制到/usr/local/share/testdata目錄下，如果你想識別其他語言也是下載語言識別模型然后放到testdata目錄下即可。
（5）設置語言模型路徑
vim ~/.bashrc
在末尾添加：
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
export TESSDATA_PREFIX=/usr/local/share/tessdata/
然后關閉終端，重新打開終端生效。
（6）測試識別庫
在終端輸入
tesseract --version看版本是否如下：
輸入：
tesseract --list-langs查看語言模型是否正確：
可以看到自動識別了英語和簡體中文模型了。
然后隨便找張有中文字符的圖片進行識別測試：
tesseract 1.jpg out -l chi_sim
參數說明：1.jpg：要解析的文件
out：解析輸出的文件名
-l chi_sim：采用的語言模型，這里選擇了簡體中文。
我識別的原文：
識別到的文字如下：
（7）用C++調用api進行識別測試。
代碼：
#include <tesseract/baseapi.h>
#include <leptonica/allheaders.h>
#include <iostream>
#include <memory>
using namespace std;
int main()
{
tesseract::TessBaseAPI api;
cout<<"version:"<<api.Version()<<endl;
if(api.Init(NULL,"chi_sim")==0)
cout<<"Init Ok"<<endl;
else
{
cout<<"Init error"<<endl;
return -1;
}
api.SetPageSegMode(tesseract::PageSegMode::PSM_AUTO);
api.SetVariable("save_best_choices","T");
auto pixs = pixRead("./1.jpg");
if(!pixs)
{
cout<<"load image error"<<endl;
return -2;
}
api.SetImage(pixs);
api.Recognize(0);
cout<<std::unique_ptr<char[]>(api.GetUTF8Text()).get()<<endl;
api.Clear();
pixDestroy(&pixs);
return 0;
}
makefile:
CXX := g++ CXX_FLAGS := -Wall -Wextra -std=c++11 -ggdb BIN := . SRC := . INCLUDE := LIB := LIBRARIES :=-llept -ltesseract EXECUTABLE := ocrDemo all: $(BIN)/$(EXECUTABLE) run: clean all clear ./$(BIN)/$(EXECUTABLE) $(BIN)/$(EXECUTABLE): $(SRC)/*.cpp $(CXX) $(CXX_FLAGS) -I$(INCLUDE) -L$(LIB) $^ -o $@ $(LIBRARIES) clean: -rm $(BIN)/*
測試效果：
