OCR技术浅析-tesserOCR（3）
tesserOCR使用
tesserOCR是文字识别软件（惠普公司开源）
Optical Character Recognition (OCR)即光学字符辨识是把打印文本转换成一个数字表示的过程。它有各种各样的实际应用--从数字化印刷书籍、创建收据的电子记录，到车牌识别甚至破解基于图像的验证码。
开源OCR排行榜
https://blog.csdn.net/wenhao_ir/article/details/52213224
tesserOCR 训练说明
https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesseract
http://qianjiye.de/2015/08/tesseract-ocr
http://yanghespace.com/2015/11/01/Tesseract3训练新语言/
https://blog.csdn.net/huangli19870217/article/details/45075033
1.安装
源码地址 https://github.com/tesseract-ocr/
Google 地址 http://code.google.com/p/tesseract-ocr/downloads/list
Ubuntu sudo apt-get install tesseract-ocr
Centos yum install tesseract.i686
Window 云盘有window版安装包
2.添加环境变量
目录结构：
Tesseract 程序文件
Tessdata 语言包文件
3.使用方式
命令行语法：
Tesseract.exe imagePath OutPutPath [ -l lang] [--oem ocrenginemode] [ -psm pagesegmode] [configfile]
Pagesegmode 值有：
0 =定向和脚本检测（OSD）只。
1 =利用OSD进行自动页面分割。
2 =自动页面分割，但没有OSD或OCR
3 =全自动页面分割，但没有OSD。（默认）
4 =假设一列可变大小的文本。
5＝假定垂直对齐文本的单一均匀块。
6 =假设一个统一的文本块。
7 =将图像视为单个文本行。
8 =将图像视为单个单词。
9＝将图像作为循环中的单个单词处理。
10 =将图像视为单个字符。
语言包和模式必须在配置文件之前。
4.php使用tesseract
git上已有开源的php类库实现了tesserOCR的方法 https://github.com/thiagoalessio/tesseract-ocr-for-php
Comporser 安装 Comporser requir thiagoalessio/tesseract_ocr
其实只需要执行 exec 就可以。
<?php new TesseractOCR('multi-languages.png') ->lang('eng', 'jpn', 'por') //使用语言包 ->whitelist(range('A', 'Z')) //固定范围 ->run();
刚安装好的tesserOCR犹如初生的婴儿，识别能力并不强，可以下载官方提供的语言包（非系统语言包）或自己训练
