Tesseract-OCR-03-圖片文字識別

Tesseract-OCR-03-圖片文字識別

本篇介紹使用 Tesseract-OCR 作圖片文字識別，識別手寫文字的時候，正確率能達到 90%，當訓練後正確率是極高的。這裏介紹的圖片文字識別，能夠識別英文，數字和中文等

Tesseract-OCR 圖片文字識別

• **Tesseract：**一款由HP實驗室開發由Google維護的開源OCR，咱們能夠不斷的訓練的庫，使圖像轉換文本的能力不斷加強；若是團隊深度須要，還能夠以它爲模板，開發出符合自身需求的OCR引擎
• 若是尚未安裝 Tesseract-OCR 請參考：
  • Windows下 Tesseract-OCR 的安裝與 環境變量配置 https://blog.csdn.net/qq_40147863/article/details/82285920
• 固然配置環境也都下載上面那篇文章了，一步一圖很詳細

正題 圖片文字識別

• 我搜集了幾個素材，懶得找能夠直接下載：
• https://pan.baidu.com/s/10XxYJa19KIa8-ENdQkhhHg
• 這裏我是將圖片放在了：D:\p
• 咱們須要在 cmd 進入此目錄
  • 使用 cd 目錄名 進入目錄
  • 使用 cd.. 返回上一級目錄
• 使用 Tesseract 命令： tesseract 文件名 保存的txt文件名 -l eng 例：

tesseract num1.jpg num1

• 這裏 -l eng 是設置語言，不寫的話，默認是 eng 也就是英語
• 結果：
• 注意：
  • 1.這裏若是報錯 Tesseract 不是內部或外部命令，就是環境變量沒有配置好參照： https://blog.csdn.net/qq_40147863/article/details/82285920
  • 2.若是識別的圖片文字是中文會提示，0個文字

識別手寫英文

• 識別圖片 eng2.jpg
• 輸入命令：保存爲 eng2.txt
• 咱們對比一下結果：
• 這裏是識別錯了一個字母，把 ig 錯誤的識別成 S，包括上面那張 數字也是錯了一個
• 那也就是咱們要努力的方向了

識別中文

• 這裏識別中文只須要將 -l 參數改爲 chi_sim 例如：
• 對 有中文文字的圖片 chi1.jpg ，進入圖片路徑，使用一下命令：

**tesseract chi1.jpg chi1 -l chi_sim **

• 圖片樣式：
• 執行命令：
• 運行結果：

識別英文和數字夾雜驗證碼

• 例如：
• 對 圖片 timg.jpg ，進入圖片路徑，使用一下命令：

tesseract timg.jpg timg

• 圖片樣式：
• 執行命令：
• 運行結果：

Tesseract 訓練：

• 咱們能夠經過重複的訓練，用更多的數據去訓練，就能夠達到更多高的識別正確率
• 咱們使用 jTessBoxEditor 訓練
• 因爲 jTessBoxEditor 的安裝和訓練，內容比較多，我再整理一篇

更多文章連接：Tesseract 隨筆

<hr>- 本筆記不容許任何我的和組織轉載