Tesseract5.0 图像识别本地服务 二 【字库、训练识别模型】

一：简介

OCR(Optical Character Recognition)：光学字符识别，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。
Tesseract：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后由Google进行改进、修改bug、优化，重新发布。

二：语言字库

 

书接上回，咱们先放字库地址：

1、Windows版本Tesseract各版本下载 ，https://github.com/tesseract-ocr/tesseract/wiki/Data-Files
2、懒得思考的人呐，直接来这里下载：https://tesseract-ocr.github.io/tessdoc/Data-Files
3、再放一个地址GIthub，直接来这里下载：https://github.com/tesseract-ocr/tessdata

再访问不了，那我也没办法了

链接：https://pan.baidu.com/s/1zolP6jiQFP1pABT8z9zh5Q 
提取码：cxjt

各版本对应字库要识别简体中文需要下载chi_sim.traindata字库（【注意】根据版本下载对应字库）。

下载简体中文后放入你的字体库：

我的是：C:\Program Files\Tesseract-OCR\tessdata

三：拿个图片来比划比划

books.jpg​​​​​​

执行命令如下：tesseract books.jpg result -l chi_sim

解释器：
-l chi_sim 表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为 .raineddata 简体中文字库文件名为: chi_sim.traineddata）

1、执行过程：

2、执行结果：

随机拍摄的照片，识别效果不怎么样。标准化的图片应该会很好

四：遇到的问题处理

语言库里面的简体中文有问题，解决办法就是
用命令：【tesseract --list-langs】来查看Tesseract-OCR支持语言，如果没有则自行添加对应库。

看到确实是简体中文的语言不存在，所以不能支持了。

正确情况如下：