Tesseract OCR - 繁體中文【簡易識別篇】

閱讀時間約 5 分鐘
GitHub
Tesseract OCRtesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository) (github.com)
Tesseract User ManualTesseract User Manual | tessdoc (tesseract-ocr.github.io)
How to train LSTM Tesseracttessdoc/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 --help
tesseract --help-extra
tesseract --version
tesseract --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

為什麼會看到廣告
6會員
46內容數
這是新手寫給新手的學習程式語言基礎教學筆記,內容會以C++為主
留言0
查看全部
發表第一個留言支持創作者!
你可能也想看
Google News 追蹤
Thumbnail
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
Thumbnail
🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Thumbnail
學習如何將掃描的PDF轉換為可搜索文本,並高效管理和查找文件。探索先進的OCR技術如何提升文檔處理效率。
Thumbnail
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
Thumbnail
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
Thumbnail
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
Thumbnail
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
Thumbnail
《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。
Thumbnail
[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
Thumbnail
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…
Thumbnail
接下來第二部分我們持續討論美國總統大選如何佈局, 以及選前一週到年底的操作策略建議 分析兩位候選人政策利多/ 利空的板塊和股票
Thumbnail
🤔為什麼團長的能力是死亡筆記本? 🤔為什麼像是死亡筆記本呢? 🤨作者巧思-讓妮翁死亡合理的幾個伏筆
Thumbnail
學習如何將掃描的PDF轉換為可搜索文本,並高效管理和查找文件。探索先進的OCR技術如何提升文檔處理效率。
Thumbnail
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
Thumbnail
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
Thumbnail
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
Thumbnail
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
Thumbnail
《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。
Thumbnail
[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
Thumbnail
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…