tesseract ocr是一款由惠普開發(fā)的圖像識別類庫，后面成為Open source，據(jù)說曾經(jīng)的圖像識別能力排名第三，為大家提供的版本是3.02.02 for windows，喜歡的朋友歡迎前來下載使用。

Tesseract的OCR引擎最先由HP實驗室于1985年開始研發(fā)，至1995年時已經(jīng)成為OCR業(yè)內(nèi)最準確的三款識別引擎之一。然而，HP不久便決定放棄OCR業(yè)務(wù)，Tesseract也從此塵封。 數(shù)年以后，HP意識到，與其將Tesseract束之高閣，不如貢獻給開源軟件業(yè)，讓其重煥新生－－2005年，Tesseract由美國內(nèi)華達州信息技術(shù)研究所獲得，并求諸于Google對Tesseract進行改進、消除Bug、優(yōu)化工作。 Tesseract目前已作為開源項目發(fā)布在Google Project，其項目主頁在這里查看，其最新版本3.0已經(jīng)支持中文OCR，并提供了一個命令行工具。

使用方法

    下載完后進行安裝,默認情況下安裝程序會給你配置系統(tǒng)環(huán)境變量,以指向安裝目錄（之后可以通過DOS界面在任意目錄運行tesseract）。安裝完成后目錄如下:
    附錄:

    tessdata 目錄存放的是語言字庫文件，和在命令行界面中可能用到的參數(shù)所對應(yīng)的文件.  這個安裝程序默認包含了英文字庫。
    使用Tessract-OCR引擎識別驗證碼
    打開DOS界面，輸入tesseract：

    如果出現(xiàn)如上輸出，表示安裝正常。
    我準備了一張驗證碼放在D盤根目錄下，上圖:

    結(jié)果為:

    附錄:
    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    圖片名  輸出文件名 -l 字庫文件 -psm pagesegmode 配置文件
    例如：
    tesseract code.jpg result  -l chi_sim -psm 7 nobatch
    -l chi_sim 表示用簡體中文字庫（需要下載中文字庫文件，解壓后，存放到tessdata目錄下去,字庫文件擴展名為  .raineddata 簡體中文字庫文件名為:  chi_sim.traineddata）
    -psm 7 表示告訴tesseract code.jpg圖片是一行文本  這個參數(shù)可以減少識別錯誤率.  默認為 3
    configfile 參數(shù)值為tessdata\configs 和  tessdata\tessconfigs 目錄下的文件名