Tesseract OCR

Tesseract OCR是一款国外的OCR图片文字识别类库，它可以帮你识别图片上的文字内容。下载解压后会看到三个文件：tesseract-ocr-w64-setup-v4.0.0.20181030.exe、jTessBoxEditor-1.5.zip、chi_sim.traineddata，不会用的网友请仔细阅读使用方法。

下载jTessBoxEditor可以提升识别痽确性：http://www.jisuxz.com[InstallDir_ChannelDir]67988.html

使用方法

下载完后进行安装，默认情况下安装程序会给你配置系统环境变量，以指向安装目录（之后可以通过DOS界面在任意目录运行tesseract）。安装完成后目录如下:
附录:

tessdata 目录存放的是语言字库文件，和在命令行界面中可能用到的参数所对应的文件. 这个安装程序默认包含了英文字库。
使用Tessract-OCR引擎识别验证码
打开DOS界面，输入tesseract：

如果出现如上输出，表示安装正常。
我准备了一张验证码tesseract ocr下载放在D盘根目录下，上图:

结果为:

附录:
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 图片名 输出文件名 -l 字库文件 -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）
-psm 7 表示告诉tesseract code.jpg图片是一行文本 这个参数可以减少识别错误率. 默认为 3
configfile 参数值为tessdata\configs 和 tessdata\tessconfigs 目录下的文件名