本文介绍了在Windows 7环境下使用Tesseract-OCR进行中文识别的步骤，包括安装Mannheim University提供的版本，下载中文模型包chi_sim.traineddata。通过命令行运行OCR并测试了不同场景下的识别效果，如带角度、阴影的图片以及包含古文的PDF转换图片，发现OCR对旋转、阴影的处理不足，且古文识别率较低。
安装
github地址：https://github.com/tesseract-ocr/tesseract
由于测试是在win7环境下进行，我们选用Mannheim University包装过的版本
github地址：https://github.com/UB-Mannheim/tesseract/wiki
默认语言只支持英语，由于我们识别的是中文，我们需要下载中文模型包
github地址：https://github.com/tesseract-ocr/tessdata
找到并下载chi_sim.traineddata
运行
例如，要识别的图片为d:/test.png
打开命令行，切换到tesseract-ocr根目录，运行
tesseract d:/test.png test -l chi_sim+eng
生成的test.txt即为识别结果
测试
测试1：手机拍摄带角度图片
测试2：手机拍摄带阴影图片
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
