何為Tesseract？
Tesseract的OCR引擎最先由HP實驗室於1985年開始研發，至1995年時已經成為OCR業內最准確的三款識別引擎之一。然而，HP不久便決定放棄OCR業務，Tesseract也從此塵封。數年以后，HP意識到，與其將Tesseract束之高閣，不如貢獻給開源軟件業，讓其重煥新生。在2005年，Tesseract由美國內華達州信息技術研究所獲得，並委托Google對其進行改進、優化工作。
Tesseract目前已作為開源項目發布在Google Project，它與Leptonica圖片處理庫結合，可以讀取各種格式的圖像並將它們轉化成超過60種語言的文本，我們還可以不斷訓練自己的庫，使圖像轉換文本的能力不斷增強。如果團隊深度需要，還可以以它為模板，開發出符合自身需求的OCR引擎。
Tesseract基本工作原理：
Tesseract安裝教程：
1. tesseract下載地址：https://digi.bib.uni-mannheim.de/tesseract/
2.下載完成后雙擊安裝包，選擇路徑，選擇語言后繼續下一步直到安裝成功
3.配置Tesseract的環境變量
4.查看安裝結果
在cmd中輸入tesseract –v 有結果如下圖，則說明安裝成功：
Tesseract使用教程：
bat調用Tesseract 在cmd中進入圖片所在目錄，輸入 tesseract 圖片名稱 結果文檔名稱 如： tesseract 0.png result.txt ，識別0.png的結果保存為result.txt文檔。
python調用Tesseract
1.pip安裝pytesseract cmd輸入指令 pip install pytesseract
調用方法：
text = pytesseract.image_to_string(image)
7.cmd運行指令生成字符特征集(tr)
tesseract num.font.exp0.tif num.font.exp0 nobatch box.train
8.cmd運行指令生成字符集(unicharset)
unicharset_extractor num.font.exp0.box
9. cmd運行指令生成字符特征(shapetable、inttemp、pffmtable、 normproto）
shapeclustering -F font_properties.txt -U unicharset num.font.exp0.tr
mftraining -F font_properties.txt -U unicharset -O num.unicharset num.font.exp0.tr
cntraining num.font.exp0.tr
10.重命名，結果合並
把目錄下的字符集 unicharset、圖形原型文件inttemp、字符特征數文件pffmtable、
字符形狀表shapetable、字符形狀正常化特征文件normproto
這五個文件的文件名前面都加上“num.”執行combine_tessdata num，生成num.traineddata
11.結果導入
把num.traineddata放到tesseract目錄下的tessdata目錄下
1.下載工具jTessBoxEditor 並解壓
網址： https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ 
2.獲取訓練數據：
3.合並樣本圖像。
運行jTessBoxEditor
點擊Tools--->Merge TIFF。
選擇樣本圖像合並成num.font.exp0.tif文件。 
4.打開命令行執行命令生成box文件： tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox 生成的BOX文件為num.font.exp0.box，BOX文件為Tessercat識別出的文字和其坐標。
Make Box File的命令格式為：
tesseract [lang].[fontname].exp[num].tif [lang].[fontname].exp[num] batch.nochop makebox
其中lang為語言名稱，fontname為字體名稱，num為序號，可以隨便定義。
5.文字校正。
運行jTessBoxEditor
打開num.font.exp0.tif（必須將上一步生成的.box和.tif樣本文件放在同一目錄） 手動對每張圖片中識別錯誤的字符進行校正。校正完成后保存。
6.定義字體特征文件。
Tesseract-OCR3.01以上的版本在訓練之前需要在樣本圖片(tif)所在目錄下創建一個名稱為font_properties的字體特征文件。
font_properties不含有BOM頭，文件內容格式如下：
<fontname> <italic> <bold> <fixed> <serif> <fraktur>
fontname為字體名稱，必須與[lang].[fontname].exp[num].box中的名稱保持一致。<italic> 、<bold> 、<fixed> 、<serif>、 <fraktur>的取值為1或0，表示字體是否具有這些屬性。
這里用記事本打開font_properties ，輸入以下下內容：
num 0 0 0 0 0