ubuntu 安装使用 tesseract-ocr

原文：http://blog.csdn.net/zhengwhizz/article/details/6605084
参考：https://muyublog.appspot.com/2010/09/9/imagemagick-tesseract-recognize-verify-code.html

1. 安装依赖库：

sudo apt-get install autoconf automake libtool libpng12-dev libjpeg62-dev libtiff4-dev zlib1g-dev libleptonica-dev

2. 下载tesseract-ocr，解压缩，编译，安装

wget
tar xfz tesseract-3.01.tar.gz
cd tesseract-3.01
./configure
make
sudo make install

3. 下载中英语言数据包解压

wget
wget
gzip -d chi_sim.traineddata.gz
gzip -d eng.traineddata.gz
sudo mv eng.traineddata chi_sim.traineddata /usr/local/share/tessdata
export TESSDATA_PREFIX=/usr/local/share

4. 安装图片格式转换工具，因为tesseract只识别tif格式的图片

sudo apt-get install imagemagick

5. 图片转换

convert a.jpg a.tif

6. 使用tesseract-ocr
   tesseract   [-l lang] [configs]

tesseract a.tif a

7. 默认为英语，如果你要识别其它语言请使用-l 参数指定

tesseract a.tif a -l chi_sim
cat a.txt

8. 图片转换优化
提高识别率，可以先把图片转换为灰度。
即弄黑白的：在convert的时候加上参数-monochrome（单色，非黑即白）或者-colorspace Gray（灰度图，黑的程度还会不一样哦，效果会好点）
做放大处理（以150%为例：

convert a.tif -scale 150% a1.tif