Tesseract OCR - 繁體中文【簡易識別篇】
閱讀時間約 5 分鐘
GitHub
Tesseract OCR：tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository) (github.com)
Tesseract User Manual：Tesseract User Manual | tessdoc (tesseract-ocr.github.io)
How to train LSTM Tesseract：tessdoc/TrainingTesseract-5.md at main ·tesseract-ocr/tessdoc (github.com)
- 作業系統：win10
- 版本訊息-命令提示字元(CMD)
C:\Users\user>tesseract --version
tesseract v5.0.1.20220118
leptonica-1.78.0
libgif 5.1.4 : libjpeg 8d (libjpeg-turbo 1.5.3) : libpng 1.6.34 : libtiff 4.0.9 : zlib 1.2.11 : libwebp 0.6.1 : libopenjp2 2.3.0
Found AVX2
Found AVX
Found FMA
Found SSE4.1
Found libarchive 3.5.0 zlib/1.2.11 liblzma/5.2.3 bz2lib/1.0.6 liblz4/1.7.5 libzstd/1.4.5
Found libcurl/7.77.0-DEV Schannel zlib/1.2.11 zstd/1.4.5 libidn2/2.0.4 nghttp2/1.31.
一、簡單OCR識別
tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]
1、開啟命令提示字元(cmd)，進入到要識別的圖片的路徑下
cd 圖片路徑
2、tesseract 【預識別圖片之名稱】【生成的結果文件的名稱】-l【字庫】
- -l :選擇輸入語言/ 預設是英文 default “eng”
tesseract test.jpg result -l chi_tra 3、產生result.txt文件
二、使用一種語言
-l LANG
- LANG是三個英文字母組成的代表各種語言
- 可以在命令提示字元輸入tesseract --list-langs來查看目前有什麼語言可以選擇
三、使用多種語言
-l LANG[+LANG]
- 舉例(繁體中文+英文)：tesseract test.jpg result -l chi_tra+eng
- 根據語言的順序，輸出可能會有所不同例如：chi_tra+eng 和 eng+chi_tra
tesseract使用方式
Usage
命令提示字元(cmd)：tesseract --helptesseract --help-extratesseract --versiontesseract --list-langs
- tesseract imagename outputbase[-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]
使用不同的頁面分割模式
Page segmentation modes
tesseract test.jpg result -psm 6 -l chi_tra
0 僅限方向和腳本檢測 (OSD)。
1 帶有 OSD 的自動頁面分割。
2 自動頁面分割，但沒有 OSD 或 OCR。
3 全自動分頁，但無OSD。 （默認）
4 假設有一列大小可變的文本。
5 假設有一個統一的垂直對齊文本塊。
6 假設有一個統一的文本塊。(網路上教學常用)
7 將圖像視為單個文本行。
8 將圖像視為一個詞。
9 將圖像視為圓圈中的單個單詞。
10 將圖像視為單個字符。
OCR 引擎
OCR Engine modes
tesseract test.jpg result -oem 1 -l chi_tra
0 Legacy engine only.
1 Neural nets LSTM engine only.
2 Legacy + LSTM engines.
3 Default, based on what is available.
參考資料
Command Line Usage：Command Line Usage | tessdoc (tesseract-ocr.github.io)
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
OCR (Optical Character Recognition) technology revolutionizes the conversion of texts from physical documents into digital data, enhancing processing
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
芫荽 ㄩㄢ‘ ㄙㄨㄟ
- 繖形科「胡荽」的別名。也稱為「香菜」、「香荽」。
- 芫荽在台灣各地栽培普遍，台灣全島各地均有栽培。
- 邰智源很討厭的植物。
- 台南到處可見。
- 還好我會講台語。
Shopping Design 的介紹：按這裡
字體「芫荽」：按此下載
《柳橙不是唯一的水果》、《正常就好，何必快樂？》作者珍奈‧溫特森
「坦誠檢視愛、熱情、慾望」的魔幻寫實小說代表作
首見繁體中文譯本
在一個奇蹟與日常相互碰撞的世界裡，
在愛和絕望之間，在恐懼與慾望之間，
激情存在。
[懷舊遊戲週報 2021/11-1] 懷舊遊戲週報收集每週與懷舊遊戲相關的新訊，預定每週五出刊。
本週主要的消息包含：
‧《復活邪神2》繁體中文版發售日確認
‧《Eschatos》將推出 Switch 版
‧FC/NES開發技術講解影片...等其他資訊
這是關於兩個人的故事，也是關於兩個地方的故事。十七歲的高中生張朋城，一個有著心理困境的少年。他每天往返於某醫院的青少年日間病房，一個像是學校的地方。這裡每天都有新的病患加入或是離開，但他卻是永恆的「班長」，他甚至不知道自己是否還想回到學校。直到他遇見新來的醫師蔡伯鑫。少年漸漸發現，蔡醫師的心…
這個秋，Chill 嗨嗨！穿搭美美去賞楓，裝備款款去露營⋯⋯你的秋天怎麼過？秋日 To Do List 等你分享！
秋季全站徵文，我們準備了五個創作主題，參賽還有機會獲得「火烤兩用鍋」，一起來看看如何參加吧～
11/20日NVDA即將公布最新一期的財報, 今天Sell Side的分析師, 開始調高目標價, 市場的股價也開始反應, 未來一週NVDA將重新回到美股市場的焦點, 今天我們要分析NVDA Sell Side怎麼看待這次NVDA的財報預測, 以及實際上Buy Side的倉位及操作, 從
Hi 大家好，我是Ethan😊
相近大家都知道保濕是皮膚保養中最基本，也是最重要的一步。無論是在畫室裡長時間對著畫布，還是在旅途中面對各種氣候變化，保持皮膚的水分平衡對我來說至關重要。保濕化妝水不僅能迅速為皮膚補水，還能提升後續保養品的吸收效率。
曾經，我的保養程序簡單到只包括清潔和隨意上乳液
平時都在用tesseract來辨識OCR的部分，在網路上也常常聽說easyOCR比tesseract好用，就拿之前測試的OCR素材來比較看看囉。
以下輸入同樣圖片直接測試，並非絕對誰就比較準，只單純測試數字含英文的部分。
圖片素材就是15碼(英文加數字)，檔名為OCR正確結果
OCR (Optical Character Recognition) technology revolutionizes the conversion of texts from physical documents into digital data, enhancing processing
Google Tesseract Config說明，程式範例實際修改示範
前言
Tesseract 的 config 檔案用於指定 OCR 引擎的設定和參數。這些參數可以影響文本識別的結果
本文將彙整常用參數調整，並呈現不同參數出現不同的辨識結果
官網Tesseract OCR參數說明連結
使用Google Tesseract應用，擷取圖像的OCR並將讀取到的字元標註在原圖上
光學字元辨識功能 (Optical character recognition，光學字符辨識）
可以將影像中特徵範圍內的文本轉換為數字形式的文本。使用前必須安装Google Tesseract並更新
芫荽 ㄩㄢ‘ ㄙㄨㄟ
- 繖形科「胡荽」的別名。也稱為「香菜」、「香荽」。
- 芫荽在台灣各地栽培普遍，台灣全島各地均有栽培。
- 邰智源很討厭的植物。
- 台南到處可見。
- 還好我會講台語。
Shopping Design 的介紹：按這裡
字體「芫荽」：按此下載
《柳橙不是唯一的水果》、《正常就好，何必快樂？》作者珍奈‧溫特森
「坦誠檢視愛、熱情、慾望」的魔幻寫實小說代表作
首見繁體中文譯本
在一個奇蹟與日常相互碰撞的世界裡，
在愛和絕望之間，在恐懼與慾望之間，
激情存在。
[懷舊遊戲週報 2021/11-1] 懷舊遊戲週報收集每週與懷舊遊戲相關的新訊，預定每週五出刊。
本週主要的消息包含：
‧《復活邪神2》繁體中文版發售日確認
‧《Eschatos》將推出 Switch 版
‧FC/NES開發技術講解影片...等其他資訊
這是關於兩個人的故事，也是關於兩個地方的故事。十七歲的高中生張朋城，一個有著心理困境的少年。他每天往返於某醫院的青少年日間病房，一個像是學校的地方。這裡每天都有新的病患加入或是離開，但他卻是永恆的「班長」，他甚至不知道自己是否還想回到學校。直到他遇見新來的醫師蔡伯鑫。少年漸漸發現，蔡醫師的心…