**Tesseract OCR与Chi_Sim** Tesseract OCR（Optical Character Recognition）是由Google维护的一款开源OCR引擎，最初由HP开发，后被Google收购并持续改进。它能够识别图像中的文字，将其转换为可编辑和可搜索的数据。Tesseract OCR的强大之处在于其高度可定制性，用户可以根据需要训练它识别特定字体或语言，极大地提高了识别准确率。 **Tesseract OCR基础知识** 1. **安装与配置**：Tesseract OCR提供Windows、Linux和macOS的安装包，如压缩包中的`tesseract-ocr-w64-setup-v5.0.1.20220118`即为Windows 64位的安装程序。安装后，可以通过命令行或编程接口（如Python的`pytesseract`库）调用Tesseract。 2. **语言支持**：Tesseract OCR支持多种语言，包括英语、中文、法语等。`chi_sim.traineddata`是简体中文的训练数据文件，用于提高对简体中文字符的识别精度。 3. **使用命令行**：在命令行中，可以使用`tesseract`命令进行文字识别，例如`tesseract input.png output.txt`会将`input.png`图像中的文字识别并保存到`output.txt`。 4. **训练数据**：`chi_sim.traineddata`是预训练模型，包含了简体中文的字符识别信息。Tesseract通过这些训练数据学习识别特定语言的字符形状和模式。 5. **自定义训练**：如果需要识别其他特殊字体或非标准字符，可以创建自定义的训练数据集，通过Tesseract的training工具进行训练。 **Chi_Sim（简体中文）支持** 1. **简体中文识别**：`chi_sim`是Tesseract针对简体中文的支持，提供了高准确度的汉字识别能力。`chi_sim.traineddata`是这个语言包的文件名，将其放置在Tesseract的data目录下，就能启用简体中文识别。 2. **字符集**：Chi_Sim涵盖了大部分常见的简体汉字，但可能无法识别所有罕见或古籍中的汉字。对于特殊需求，可能需要自定义训练。 3. **识别效果**：由于汉字的复杂性，即使使用`chi_sim.traineddata`，识别率也可能会受到图像质量、排版、字体等因素的影响。清晰、标准的字体通常能获得更好的识别结果。 **进阶应用** 1. **图像预处理**：为了提高识别效果，可以对输入图像进行预处理，如调整对比度、二值化、去噪等。 2. **页面分割**：Tesseract具有自动页面分割功能，但有时可能需要手动调整，尤其是对布局复杂的文档。 3. **自适应阈值**：对于不同背景和光照条件的图像，自适应阈值可以帮助更好地分离文字区域。 4. **API集成**：除了命令行工具，Tesseract还提供了C++和Python等编程接口，方便在应用程序中集成OCR功能。 5. **错误校正**：识别后的文本可以通过NLP（自然语言处理）技术进行错误检测和校正，进一步提升识别的准确性。 Tesseract OCR结合`chi_sim.traineddata`，为中文字符的自动识别提供了强大的工具。通过熟练掌握其使用和配置，可以有效地将扫描文档或图片中的中文文字转化为可编辑的文本。同时，不断优化训练数据和图像预处理，能进一步提升识别的精确度。

1. 样本图片准备 2. 打开 jTessBoxEditor ，选择 Tools -> Merge TIFF，打开对话框，选择训练样本所在文件夹，并选中所有要参与训练的样本图片 3 弹出保存对话框，还是选择在当前路径下保存，文件命名为ty.cp.exp6.tif 4. tesseract ty.cp.exp6.tif ty.cp.exp6 -l ty batch.nochop makebox 5. 打开 jTessBoxEditor ，点击 Box Editor -> Open ，打开步骤2中生成的ty.cp.exp6.tif ，会自动关联到 “ty.cp.exp6.box” 文件： 6. 使用echo命令创建字体特征文件 echo cp 0 0 0 0 0>font_properties. 输入内容 “cp 0 0 0 0 0” 7. 使用 tesseract 生成 ty.cp.exp6.tr 训练文件 在终端中执行以下命名： tesseract ty.cp.exp6.tif ty.cp.exp6 nobatch box.train 8. 生成字符集文件 在终端中执行以下命令： unicharset_extractor ty.cp.exp6.box 9. mftraining -F font_properties -U unicharset -O ty.unicharset ty.cp.exp6.tr 与 cntraining ty.cp.exp6.tr 生成之后手工修改 Clustering 过程生成的 4 个文件（inttemp、pffmtable、normproto、shapetable）的名称为 [lang].xxx。这里改为 ty.inttemp、ty.pffmtable、ty.normproto、ty.shapetable。 10. 合并数据文件 在终端中执行以下命令： combine_tessdata ty. tesseract b01.jpg result -l ty --psm 7

文字识别用到了Tesseract-ocr，另外一个用到了图片处理函数bitmap包括灰度化

python配合tesseract-OCR进行图像识别例子，需要自己安装python环境，代码中的path需要改成自己的，资源包括已经训练完成的字符库，python源码，训练需要的图片资源，待识别图片，有python环境可以直接运行

tesseract-ocr中文语言字库文件：包含chi_sim【中文简体】、chi_sim_vert【中文简体】、chi_tra【中文繁体】、chi_tra_vert【中文繁体】、eng【英文】，下载完成后解压，然后将该文件剪切到tessdata目录下去就可以了。

Tesseract，一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不断增强；如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。

Tesseract-OCR的中文训练库，解压到Tesseract-OCR\tessdata目录

自己训练的常用2500汉字宋体字库，能够识别简体中文，可适用于3.02版和最新版本。

2018年8月编译配置最新Tesseract4,效果甩3.x版本几条街。官网示范程序有错，本示例程序堪称全网最好示例程序。本程序头文件、库和字典都已打包好，只要你装有VS2015就可以正常编译.调试.运行，不用配置任何环境变量。此为x86版本，若要x64版本，参考本人博客https://mp.csdn.net/postedit/81746904

使用详见我的博客：https://blog.csdn.net/HorseRoll/article/details/83310677