开源图文识别引擎 tesseract-ocr

JacenHe

演示程序下载（已包含测试图片，可直接测试识别效果）


关于 tesseract-ocr 研究的人比较多、网上的资料也比较多，请自行搜索了解。
Apache许可证可自由商用，aardio支持库1.5MB已包含所有组件, 用法也非常简单，下面是一个简单的例子：

1. import console;
   
2. import tesseract;
   
3. 
   
4. var ocr = tesseract.ocr();
   
5. if( 0 != ocr.init("eng","/") ){ //初始化样本语言包
   
6.         error("没有找到样本 \tessdata\eng.traineddata");
   
7. }
   
8. 
   
9. //预设字符集可提升识别率，注意要一定在加载样本以后调用此函数
   
10. ocr.setVariable("tessedit_char_whitelist","0123456789")
    
11. 
    
12. //识别图像
    
13. var text = ocr.processPages("\test.jpg" )   
    
14. 
    
15. console.log(text)
    
16. console.pause()
    

复制代码

示例二：

1. 
   
2. import console;
   
3. import tesseract;
   
4. import win;
   
5. 
   
6. var ocr = tesseract.ocr();
   
7. if( 0 != ocr.init("eng","/" ) ){ //初始化样本语言包
   
8.         error("没有找到样本 eng.traineddata",2)
   
9.         
   
10. }
    
11. 
    
12. //预设字符集可提升识别率，注意要一定在加载样本以后调用此函数
    
13. ocr.setVariable("tessedit_char_whitelist","0123456789")
    
14. 
    
15. //获取图像像素数据
    
16. var pix = liblept.pixRead( ..io.fullpath("\test.jpg") );
    
17. ocr.setImage2( pix )
    
18. 
    
19. //识别图像
    
20. if( 0 != ocr.recognize() ){
    
21.         console.pause(true,"识别图像出错");
    
22.         return;
    
23. }
    
24. 
    
25. var text = ocr.getText()
    
26. console.log("识别结果",text )
    
27. 
    
28. liblept.pixDestroy({addr pix = pix})
    
29. console.pause();
    
30. 
    

复制代码

MMiao79

cjc0045 发表于 2017-9-1 11:15
是不是因为版本的问题，网上查了一下说要tesseract3.0以上才支持中文识别。

你说对了，跟版本有关系。

在看到你的回帖之前，经过验证，aardio里的DLL版本应该对应的是3.0.2，而之前我在tesseract-ocr官方下载的语言识别库版高于这个DLL，所以使用会报错。经过搜索找到对应的3.0.2语言库后，不再报错了，对于宋体、黑体等正常字体，识别度还是很高的，其他美术体就不好说了。

另外，识别之前的字符集设置，也是很有必要的，否则就算是有了相应的语言库，在不设置字符集的情况下，仍然不能做到很好的识别。

常年最低调

刚好要用到，谢谢

PowerfulTan

老大，看到更新很兴奋啊，准备用java搞的，现在aardio有了，那就不考虑java了，老大V5

csdn321

老大又出精品了

winner

真是极好的

liyoubin37

这个非常好，必须支持一下，以前也有想过要搞，现在有现成的，收下了。

laorenI

学无止境,学习了

满月星光

太好了。看时间是凌晨4点更新？？老大真强，不过身体要紧。

nvt303

赶紧下载学习！感谢分享！

air_fans

这个很强大，可以自己制作训练包

laorenI

air_fans 发表于 2014-11-24 09:58
这个很强大，可以自己制作训练包

最重要的就是语言库的训练，如果你有研究，发上来分享一下啊。

auaau

laorenI 发表于 2014-11-24 14:39
最重要的就是语言库的训练，如果你有研究，发上来分享一下啊。

都这么有分享精神啊，要不你研究下发出来分享一下？！

laorenI

auaau 发表于 2014-11-24 15:53
都这么有分享精神啊，要不你研究下发出来分享一下？！

正在研究还是不会训练。

diergod

学习啦

wjmcu

谢谢老大

donque2010

感谢分享！

yc51

这个强大 可以识别汉字

qdcycm

谢谢楼主。

chaosfract

衷心感谢分享!
先把这个源码收藏下来,再慢慢研究消化.