ubuntu下tesseract 4.0安装及参数使用

tesseract是一个开源的OCR引擎，最初是由惠普公司开发用来作为其平板扫描仪的OCR引擎，2005年惠普将其开源出来，之后google接手负责维护。目前稳定的版本是3.0。4.0版本加入了基于LSTM的神经网络技术，中文字符识别准确率有所提高。

ubuntu下tesseract 4.0安装：

终端输入以下命令：

sudo add-apt-repository ppa:alex-p/tesseract-ocr

sudo apt-get update 

sudo apt-get install tesseract-ocr 

测试安装是否成功，同时检查版本：

tesseract --version 

字库下载

tesseract支持60多种语言的识别不同，使用之前需要先下载对应语言的字库，下载地址：https://github.com/tesseract-ocr/tessdata

下载完成之后把.traineddata字库文件放到tessdata目录下，默认路径是/usr/share/tesseract-ocr /4.0/tessdata

中文OCR识别测试

在终端中使用tesseract格式：

tesseract xx.jpg result --psm 7

执行之后生成结果记录在result里，--psm 7 指令表示内容是一行文本

更多tesseract使用指令可以查看help

tesseract --help

查看已安装字库

tesseract --list-langs

--psm命令

psm命令指明文本的模式，默认为3:

--oem命令

定义OCR引擎的模式: