tesseract ocr是原先惠普開(kāi)發(fā)的圖像識(shí)別類(lèi)庫(kù)，后面成為Open source，據(jù)說(shuō)曾經(jīng)的圖像識(shí)別能力排名第三，為大家提供的版本是4.0.0 for windows。

使用方法

下載完后進(jìn)行安裝,默認(rèn)情況下安裝程序會(huì)給你配置系統(tǒng)環(huán)境變量,以指向安裝目錄（之后可以通過(guò)DOS界面在任意目錄運(yùn)行tesseract）。安裝完成后目錄如下:
附錄:

tessdata 目錄存放的是語(yǔ)言字庫(kù)文件，和在命令行界面中可能用到的參數(shù)所對(duì)應(yīng)的文件. 這個(gè)安裝程序默認(rèn)包含了英文字庫(kù)。
使用Tessract-OCR引擎識(shí)別驗(yàn)證碼
打開(kāi)DOS界面，輸入tesseract：

如果出現(xiàn)如上輸出，表示安裝正常。
我準(zhǔn)備了一張驗(yàn)證碼放在D盤(pán)根目錄下，上圖:

結(jié)果為:

附錄:
Usage:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
pagesegmode values are:
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.
-l lang and/or -psm pagesegmode must occur before anyconfigfile.
tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
tesseract 圖片名 輸出文件名 -l 字庫(kù)文件 -psm pagesegmode 配置文件
例如：
tesseract code.jpg result -l chi_sim -psm 7 nobatch
-l chi_sim 表示用簡(jiǎn)體中文字庫(kù)（需要下載中文字庫(kù)文件，解壓后，存放到tessdata目錄下去,字庫(kù)文件擴(kuò)展名為 .raineddata 簡(jiǎn)體中文字庫(kù)文件名為: chi_sim.traineddata）
-psm 7 表示告訴tesseract code.jpg圖片是一行文本 這個(gè)參數(shù)可以減少識(shí)別錯(cuò)誤率. 默認(rèn)為 3
configfile 參數(shù)值為tessdataconfigs 和 tessdata essconfigs 目錄下的文件名