Tesseract

2015年11月20日 (五) 09:25的版本

您可以在Wikipedia上了解到此条目的英文信息 Tesseract Thanks, Wikipedia.

Google在几个月前，静悄悄地向开源合作伙伴们发布了一款新OCR识别引擎－－事实上，是重新发布－－这款名为Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从从此尘封。

数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。

在修复了最重要的数个漏洞后，Google两个月前认为，Tesseract OCR已经足够稳定，可以重新以开源软件方式发布。

Google已经开始在网站上招聘高级OCR技术工程师，值得我们注意的是，Google在这段招聘启示下写道：“Google currently "reads" almost every web page in the world. Come help us read all the printed material as well!”（Google现在已经能够“阅读”世界上几乎所有网页，你的到来将让Google阅读所有印刷信息！）

指南

OS X

brew install tesseract --all-languages

Debian

apt-get install tesseract-ocr
apt-get install tesseract-ocr-fra // 支持 French
apt-get install libleptonica-dev
find . -name eng.traineddata
./usr/share/tesseract-ocr/tessdata/eng.traineddata
export TESSDATA_PREFIX=/usr/share/tesseract-ocr/tessdata

项目

图集

链接

• http://www.google.com/support/jobs/bin/answer.py?answer=23733
• Tesseract @ GitHub
• http://sourceforge.net/projects/tesseract-ocr