tesseract-ocr是开源的光学字符识别引擎,有Google的支持,支持很多种语言的识别,下面说一下 我在Ubuntu下安装步骤
其实上说的很细,下面列出其中的命令,
注意最后一个zlib1g-dev中的1g是数字1,而不是小写字母l,
sudoapt-getinstalllibleptonica-dev
下载源文件包解压(目前是3.0),进入目录
下载语言数据包解压:你可以在这找到更多的语言包
gzip-deng.traineddata.gz
移动到数据包安装目录下,默认为 /usr/local/share/tessdata
安装图片格式转换工具,因为tesseract只识别tif格式的图片。
apt-getinstallimagemagick
你可以使用下面的命令转换图片
converta.jpga.tif
好了,测试一下吧
默认为英语,如果你要识别其它语言请使用-l 参数指定,如你将会看到识别出的文字,,太棒了。好了,下面就可以用程序去调用识别文字了,
对于java你也可以使用tess4j封装的API,对于PHP你可以使用exec调用再对文件进行处理,如果你遇到 lib **.so 找不到请运行
sudoldconfig
而开始追寻他内心世界的真正财富