OCR4：Tesseract 4

Tesseract OCR 該軟件包包含一個OCR引擎 -  libtesseract和一個命令行程序 -  tesseract。 Tesseract 4增長了一個基於OCR引擎的新神經網絡（LSTM），該引擎專一於線路識別，但仍然支持Tesseract 3的傳統Tesseract OCR引擎，該引擎經過識別字符模式來工做。經過使用Legacy OCR Engine模式（--oem 0）啓用與Tesseract 3的兼容性。它還須要訓練有素的數據文件，這些文件支持傳統引擎，例如來自tessdata存儲庫的文件

tesseract 4.0已經加入LSTM了，在用命令行執行的時候，添加 「–oem 1」參數便可，可是pythonocr模塊裏並無提供使用oem參數的init函數，查看tesseract的源碼，capi.cpp定位到257行有

在外部調用的時候，只須要將之前的

• handle = tesseract_raw.init(lang='eng')

修改爲：

• handle = tesseract_raw.init(lang='eng', oem=1)

便可。下載最新支持lstm的tessdata數據包，識別結果會比以前有大大的提升！如何在調用API的時候使用多語言，就如同命令行下的 -l eng+chi這種，還在摸索中

tesseract 4.0： https://digi.bib.uni-mannheim.de/tesseract/

安裝包：https://github.com/UB-Mannheim/tesseract/wiki

安裝完後測試：

•  

參考資料

---

• https://www.oschina.net/p/tesseract-ocr
• https://blog.csdn.net/qq_36810544/article/details/82380161