Tesseract OCR 該軟件包包含一個OCR引擎 - libtesseract和一個命令行程序 - tesseract。 Tesseract 4增加了一個基於OCR引擎的新神經網絡（LSTM），該引擎專注於線路識別，但仍然支持Tesseract 3的傳統Tesseract OCR引擎，該引擎通過識別字符模式來工作。通過使用Legacy OCR Engine模式（--oem 0）啟用與Tesseract 3的兼容性。它還需要訓練有素的數據文件，這些文件支持傳統引擎，例如來自tessdata存儲庫的文件
tesseract 4.0已經加入LSTM了，在用命令行執行的時候，添加 “–oem 1”參數即可，但是pythonocr模塊里並沒有提供使用oem參數的init函數，查看tesseract的源碼，capi.cpp定位到257行有
在外部調用的時候，只需要將以前的
- handle = tesseract_raw.init(lang='eng')
修改成：
- handle = tesseract_raw.init(lang='eng', oem=1)
即可。下載最新支持lstm的tessdata數據包，識別結果會比之前有大大的提高！如何在調用API的時候使用多語言，就如同命令行下的 -l eng+chi這種，還在摸索中
tesseract 4.0： https://digi.bib.uni-mannheim.de/tesseract/
安裝包：https://github.com/UB-Mannheim/tesseract/wiki
安裝完后測試：
參考資料