Tesseract OCR - 繁體中文【簡易識別篇】

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

cd 圖片路徑

• -l :選擇輸入語言/ 預設是英文 default “eng”

tesseract test.jpg result -l chi_tra　

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

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

tesseract test.jpg result -psm 6 -l chi_tra

OCR 引擎

tesseract test.jpg result -oem 1 -l chi_tra

參考資料