提高Tesseract-ocr识别精度.docxVIP

提高Tesseract-OCR识别精度的方法1.0 Tesseract-OCR简介OCR（Optical Character Recognition光学字符识别）技术，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。Tesseract目前已作为开源项目发布在Google Project，其最新版本3.0已经支持中文OCR。1.1Tesseract-OCR的安装及使用说明1.Tesseract-OCR的安装过程下载tesseract-ocr-setup-3.02.02.exe进行安装click next选中I accept the terms of License Agreement，点击next点击next修改路径 d:\Program Files\Tesseract-OCR，点