勇哥开源播报之：开源光学字符识别引擎tesseract-ocr

jink2005

很久以来，勇哥就对图像识别很感兴趣，而文字识别更是很有意义。试想，机器人5号，能几分钟内读完一本厚书，我何不让它读给我听，最好能总结下，呵呵。于是，勇哥这次推荐一款文字识别引擎。

Tesseract可能是目前效率最高的开源OCR（光学字符识别）引擎，它是在1985年和1995年之间由HP实验室开发，现在由Google支持。在Leptonica Image Processing Library的支持下，它能够读取各种类型的图片格式，能将其中的文字转换为超过60种语言。在1995年的UNLV精度测试中，它是前三名引擎之一。1995年到2006年之间变化很小，之后由Google进行了大量改进，当前以Apache License 2.0协议开源。

Tesseract能工作在Linux、Windows（基于VC++ Express或Cygwin）和Mac OSX上。它同样可以编译为其他平台，如android和iPhone，这些平台并没有进行过很好的测试。

至发帖时，Tesseract 3.03版本的代码已经发布。安装、使用方法请参考项目主页。

Referred to:
图像识别类库 Tesseract OCR. http://www.oschina.net/p/tesseract-ocr