Tesseract5.0 图像识别本地服务二【字库、训练识别模型】

亦凉 2023-02-18 08:26 3阅读 0赞

### 一：简介 ###

OCR(Optical Character Recognition)：光学字符识别，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：开源的OCR识别引擎，初期Tesseract引擎由HP实验室研发，后来贡献给了开源软件业，后由Google进行改进、修改bug、优化，重新发布。

### 二：语言字库 ###

> 书接上回，咱们先放字库地址：
> 
> 1、Windows版本[Tesseract各版本下载][Tesseract] ，[https://github.com/tesseract-ocr/tesseract/wiki/Data-Files][https_github.com_tesseract-ocr_tesseract_wiki_Data-Files]  
> 2、懒得思考的人呐，直接来这里下载：[https://tesseract-ocr.github.io/tessdoc/Data-Files][https_tesseract-ocr.github.io_tessdoc_Data-Files]  
> 3、再放一个地址GIthub，直接来这里下载：[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]
> 
> 再访问不了，那我也没办法了
> 
> 链接：https://pan.baidu.com/s/1zolP6jiQFP1pABT8z9zh5Q   
> 提取码：cxjt

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70][]

> [各版本对应字库][Link 1]要识别简体中文需要下载chi\_sim.traindata字库（【注意】根据版本下载对应字库）。
> 
> 下载简体中文后放入你的字体库：
> 
> 我的是：C:\\Program Files\\Tesseract-OCR\\tessdata

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 1][]

### 三：拿个图片来比划比划 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 2][] books.jpg

执行命令如下：tesseract books.jpg result -l chi_sim
    
    解释器：
    -l chi_sim 表示用简体中文字库（需要下载中文字库文件，解压后，存放到tessdata目录下去,字库文件扩展名为 .raineddata 简体中文字库文件名为: chi_sim.traineddata）

1、执行过程：

![20200616232053572.png][]

2、执行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 3][]

随机拍摄的照片，识别效果不怎么样。标准化的图片应该会很好

### **四：遇到的问题处理** ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 4][]

语言库里面的简体中文有问题，解决办法就是
    用命令：【tesseract --list-langs】来查看Tesseract-OCR支持语言，如果没有则自行添加对应库。

![20200616223913510.png][]

看到确实是简体中文的语言不存在，所以不能支持了。

正确情况如下：

![20200616231731133.png][]

[Tesseract]: https://links.jianshu.com/go?to=https%3A%2F%2Fdigi.bib.uni-mannheim.de%2Ftesseract%2F
[https_github.com_tesseract-ocr_tesseract_wiki_Data-Files]: https://github.com/tesseract-ocr/tesseract/wiki/Data-Files
[https_tesseract-ocr.github.io_tessdoc_Data-Files]: https://tesseract-ocr.github.io/tessdoc/Data-Files
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200616221423515.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw==,size_16,color_FFFFFF,t_70
[Link 1]: https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Ftesseract-ocr%2Ftesseract%2Fwiki%2FData-Files
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200616223049766.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200616224255972.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw==,size_16,color_FFFFFF,t_70
[20200616232053572.png]: https://img-blog.csdnimg.cn/20200616232053572.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200616232210581.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200616223825962.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lleGlhb21vZGVtbw==,size_16,color_FFFFFF,t_70
[20200616223913510.png]: https://img-blog.csdnimg.cn/20200616223913510.png
[20200616231731133.png]: https://img-blog.csdnimg.cn/20200616231731133.png