tesseract 识别中文字符
下载地址:http://code.google.com/p/tesseract-ocr/downloads/detail?name=tesseract-ocr-setup-3.01-1.exe&can=2&q=
下载之后进行安装,不再演示。
在tesseract目录下,有个tesseract.exe文件,主要调用这个执行文件,用cmd运行到这个目录下,在这个目录下同时放置一张需要识别的图片,这里是123.jpg
然后运行:tesseract 123.jpg result
会把123.jpg自动识别并转换为txt文件到result.txt
但是此时中文识别不好,要下载一个中文包:http://code.google.com/p/tesseract-ocr/downloads/detail?name=chi_sim.traineddata.gz&can=2&q=
然后找到tessdata目录,把eng.traineddata替换为chi_sim.traineddata,并且把chi_sim.traineddata重命名为eng.traineddata
ok,现在中文识别基本达到90%以上了
测试下:
源文件(图片):此开卷第一回也。作者自云曾历过一番梦幻之后,故将真事隐去,
而借“通灵”说此《石头记》一书也,故曰“甄士隐”云云。但书中所记何事何人?
Tesseract release notes August 27 2007 - V2.01
Fixed UTF8 input problems with box file reader.
4-834578457384578-871238917238912739823749834789
输入:tesseract 123.jpg result
测试结果为:
此开卷第一回也. 作者酝曾历过一番梦幻之后, 故将真事隐去,
而借 “通灵" 说此 «石头记» 一书也, 故日 “甄士隐" 云云,但书中所记何事何人7
Tesseract re1ease notes August Z7 Z007 7 \「Z.O1
Fixed [二TFS input prob1ems \vit11 box fi1e reader.
4783457845738457S7871Z38917Z38912739S23749834789
识别率还是蛮高的,,,更详细的需要自己去钻研了。
文章来源: blog.csdn.net,作者:网奇,版权归原作者所有,如需转载,请联系作者。
原文链接:blog.csdn.net/jacke121/article/details/76038663
- 点赞
- 收藏
- 关注作者
评论(0)