光学文字识别技术OCR: Tesseract

 

1.图形验证码识别技术

 

登陆或者请求一些数据时需要图形验证码。将图片翻译成文字一般被称为光学文字识别（Optical Character Recognition），简称OCR。实现OCR的库不是很多，特别是开源的。因为这一块存在一定的技术壁垒（需要大量的数据、算法、机器学习、深度学习知识等），并且如果做好了具有很高的商业价值。因此开源的比较少。这里介绍一个比较优秀的图像识别开源库：Tesseract。由Google公司赞助，可以通过训练识别任何字体。

2.Windows操作系统下Tesseract的安装

Tesseract的下载地址有：

（1）官方发布的3.02版本下载地址：http://downloads.sourceforge.net/project/tesseract-ocr-alt/tesseract-ocr-setup-3.02.02.exe?r=https%3A%2F%2Fsourceforge.net%2Fprojects%2Ftesseract-ocr-alt%2Ffiles%2F&ts=1464880498&use_mirror=jaist

（2）德国曼海姆大学发行的3.05版本下载地址，http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-3.05.00