新增源
sudo vi /etc/apt/sources.list
新增deb bionic universe
其中bionic和自己安裝的系統有關，根據實際情況進行改變；
sudo apt install tesseract-ocr
sudo apt install libtesseract-dev
tesseract一共有130種語言，35種指令碼，語言包為tesseract-ocr-langcode和tesseract-ocr-script-scriptcode,其中langcode為3個字元，scriptcode為4個字元；
例如tesseract-ocr-eng (english), tesseract-ocr-ara (arabic), tesseract-ocr-chi-sim (simplified chinese), tesseract-ocr-script-latn (latin script), tesseract-ocr-script-deva (devanagari script)
其中ubuntu18.04的安裝包鏈結為：
命令格式
tesseract file outputbase [options]...[configfile]...引數說明
file
可以為也可以為文字。當為文字時，一行文字表示一張。
outputbase
輸出optinons
見下表configfile
見下表
options
說明-c
–dpi n
指定dpi，預設n為300,如果不包括內容，tesseract將會去猜測；
-l lang
-l script
指定語言，預設為英語，可以指定多種語言，使用+連線
–psm n
設定中文字的格式.
–oem n
指定使用tesseract還是lstm
–tessdata-dir path
指定tessdata的路徑
–user-patterns file
指定用於patterns檔案位置？
–user-words file
指定使用者words 檔案位置？
configfile
configfile
說明alto
輸出格式為outputbase.alto
hocr
輸出格式為outputbase.hocr
pdf輸出格式為outputbase.pdf
tsv輸出格式為outputbase.tsv
txt輸出格式為outputbase.txt
get.images
將輸入的寫入檔案
logfile
debug資訊
lstm.train
makebox
輸出bounding-box
quiet
將debug資訊輸出到/dev/null
其他選項
選項說明
-h幫助
–help-extra
高階用法幫助
–help-psm
頁分割模式幫助
–help-oem
engine模式幫助
–list-langs
可用的語言
–print-parameters
列印引數
參考鏈結
Tesseract OCR 入門使用
以下只針對widows平台，linux下沒有測試 tesserocr與pytesseract是python的乙個ocr識別庫，但其實是對tesseract做的一層python api封裝，pytesseract是google的tesseract ocr引擎包裝器 所以它們的核心是tesseract,...
Tesseract OCR的簡單使用與訓練
原文 tesseract，一款由hp實驗室開發由google維護的開源ocr optical character recognition 光學字元識別 引擎，與microsoft office document imaging modi 相比，我們可以不斷的訓練的庫，使影象轉換文字的能力不斷增強 如...
Tesseract OCR引擎 入門
ocr optical character recognition 光學字元識別,是指對檔案中的文字進行分析識別，獲取的過程。tesseract 開源的ocr識別引擎，初期tesseract引擎由hp實驗室研發，後來貢獻給了開源軟體業，後經由google進行改進，消除bug，優化，重新發布。當前版本...