Tesseract5.0 圖像識別本地服務 三 【訓練自定義字庫,提高圖片的識別效果】

一：簡介

OCR(Optical Character Recognition)：光學字符識別，是指電子設備（例如掃描儀或數碼相機）檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然後用字符識別方法將形狀翻譯成計算機文字的過程。
Tesseract：開源的OCR識別引擎，初期Tesseract引擎由HP實驗室研發，後來貢獻給了開源軟件業，後由Google進行改進、修改bug、優化，重新發布。

二：訓練自定義字庫

本文大量參考學習以下文章：

Tesseract-OCR 中文識別與訓練字庫 ： https://www.jianshu.com/p/3326c7216696
Tesseract5.0訓練字庫，提高OCR識別率：https://www.cnblogs.com/pyweb/p/11457519.html
Tesseract-OCR-v5.0中文識別,訓練自定義字庫：http://www.likecs.com/show-90988.html

下面發一個來自網絡的已經經過訓練過的可用的簡體中文字庫

鏈接：https://pan.baidu.com/s/1a2RHUj10mJu7vGAHGVFotw 
提取碼：k9v7