辛碌力成

今天前同事欧工求助说要实现图片文字识别，并要给出文字座标，看似比较复杂。不过试了下tesseract ，还真可以。

yum install tesseract -y

如果没有安装epel源的要先安装。

当然，也可以源码安装，地址：https://github.com/tesseract-ocr/tesseract

再运行命令：

tesseract yourPic.png output

就会自动在当前目录下识别图片yourPic.png里的文字，并成生一个output.txt文件，里面就是图片里的文字。

以下是随便截的一张带文字的图片：

通过tesseract识别的结果：

基本上正确率还是挺不错。

如果需要显示座标，可以加参数makebox:

tesseract yourPic.png output makebox

此时在当前目标底下还会生成文件output.box,里面有识别到的每个字的座标。

如果需要识别中文，可以下载中文数据包放进相当的数据目录。

下载地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata

CentOS默认路径数据目录为：/usr/share/tesseract/tessdata/

然后运行命令时在后面加上-l lang (比如简体中文为-l chi_sim)

如果识别率不够高的话，可以自己做训练：https://github.com/tesseract-ocr/langdata

也可以参考：http://blog.csdn.net/yasi_xi/article/details/8763385

原文出自: http://blog.too2.net/?p=181
转载请注明转自:辛碌力成【http://blog.too2.net】