tesseract-ocr 入门介绍 (一)

本文从被关闭的liveSpace转移过来的。http://joson-liu.spaces.live.com/blog/cns!281F0B4416874662!158.entry

 

项目地址：http://code.google.com/p/tesseract-ocr/ 

项目说明：An OCR Engine that was developed at HP Labs between 1985 and 1995... and now at Google

研究缘由：最近做纸币系列号识别，项目进展还行，最近都在做网络训练，识别率也有90%以上，由于所取特征不足，有些字符识别效果不稳定，更有的就是由于硬件平台限制，字符效果太差。这个项目很有代表性，性能非常不错，而且是开源，现在是由Google的人在维护，因此这个项目是非常优秀的研究对象。

项目入门：http://code.google.com/p/tesseract-ocr/wiki/Documentation 这里有Google工程师的几篇分析文章（非常敬佩人家的奉献精神，在此感叹下。），这应该是想要了解此项目最好的文档。

之后还有就是啃代码了，这是我开始不久的阶段，还没法多说。最近在项目下载那里也有tessdoc-html-3.0.0-preview1.tar.gz 这个代码说明下载，对研究此项目应该很有帮助。

网上还一些使用此项目作为OCR引擎，如Tessnet2 a .NET 2.0 Open Source OCR assembly using Tesseract engine（http://www.pixel-technology.com/freeware/tessnet2/）。这对于我们快速理清tesseract-ocr的开发很有帮助。

------这算是我的tesseract-ocr入门介绍，工作之余继续研究此项目，等有些结果再分享。