暂无图片
暂无图片
暂无图片
暂无图片
暂无图片
首页 / 开源创意软件 Tesseract-OCR 让效率瞬间提升百倍

开源创意软件 Tesseract-OCR 让效率瞬间提升百倍

创意开源 2020-06-23
1186


“弓术并非技术。当你射穿自己的心时，就能达到佛陀的境地。”——阿波研造



科技改变生活，创意点亮生活

释放你的潜力和才华，用平凡创造不凡


Tesseract（识别引擎）

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。

GitHub开源软件：https://github.com/tesseract-ocr/tesseract
Wiki百科：https://github.com/tesseract-ocr/tesseract/wiki

安装步骤：


  1. MacOS系统中，安装OSX下的包(Formula)管理软件 Homebrew 。
  2. 通过 Homebrew 安装 Tesseract-OCR。
  3. 增加 Tesseract-OCR 的多语言识别功能。

1.安装 Homebrew:


在Terminal.app中，输入如下代码：（最新代码以官网https://brew.sh公布为准）
    /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
    漫长的等待后，Homebrew 安装成功，进入Tesseract-OCR 的安装。
    安装最低配置：macOS High Sierra (10.13) or higher

    2.查看 Tesseract-OCR 安装信息:


    在Terminal.app中，通过 Homebrew 查看 Tesseract-OCR 的安装信息：
      brew info tesseract

      输出：

      红框处文字：

      ==> Caveats This formula contains only the "eng", "osd", and "snum" language data files. If you need any other supported languages, run `brew install tesseract-lang`.

      注明标准包中语言只包括少量几种语言数据。如果想要更多支持语言，需要输入：

      brew install tesseract-lang

      3.安装 Tesseract-OCR 同时支持多语言识别:


      在Terminal.app中，输入
        brew install tesseract-lang
        输出：

        安装完成。


        Tesseract-OCR 核心操作命令：


          tesseract imagename outputbase {-l lang[+lang]} [-psm pagesegmode] [configfile...]
          imagename：需要识别的图片名称。
          outputbase：输出结果的txt文件的名称，不需要标注后缀，输出直接就是txt格式。
          lang：指定输出语言，默认是英文eng。
          若识别简体中文，输入：-l chi_sim；识别简体中文和英文，输入：-l chi_sim+eng。
          pagesegmode：识别模式。包括：
            0 = Orientation and script detection (OSD) only.
            1 = Automatic page segmentation with OSD.
            2 = Automatic page segmentation, but no OSD, or OCR
            3 = Fully automatic page segmentation, but no OSD. (Default)
            4 = Assume a single column of text of variable sizes.
            5 = Assume a single uniform block of vertically aligned text.
            6 = Assume a single uniform block of text.
            7 = Treat the image as a single text line.
            8 = Treat the image as a single word.
            9 = Treat the image as a single word in a circle.
            10 = Treat the image as a single character.


            举例使用 Tesseract-OCR 识别操作:


            待识别示例图片：

            此图片中含有中英文，需要识别中文和英文，输入：
              tesseract Users/AAA/Desktop/ffmpeg1.png out -l chi_sim+eng
              输出：

              最后评估结果为237个字符。
              找到用户名下名为out.txt的输出文件，显示：

              识别结果准确无误！



              往期文章

              1. 创意大赛截稿在即！制作素材无法下载怎么办？

              2. 总结：一键下载多媒体文件的you-get核心命令行

              3. You-Get把姐圈超A女团占为己有

              4. 皇帝为何称为「万乘之尊」？

              5. 「行伍出身」为何指代当兵

              6. 古时候沐浴，没这么简单





              ▲

              Sometimes ever, sometimes never.

              相聚有时，后会无期。




              编辑、排版｜青泉石上


              本文为原创，未经许可请勿转载

              软件
              文章转载自创意开源，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

              评论