之前为给位朋友分享过:GitHub开源:17M超轻量级中文OCR模型、支持NCNN推理,该项目仅仅支持中文OCR识别,本篇博文将分享支持100多种语言的OCR文字识别项目:Tesseract OCR。
Tesseract是一款由HP实验室开发由Google维护的开源OCR(Optical Character Recognition , 光学字符识别)引擎。Tesseract 支持 unicode(UTF-8),可以“开箱即用” 识别100多种语言。Tesseract 架构如下所示:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicmbw5SZ4IWZiRWNlRTMjVDZkJDO4ITZ0ETMxEGZ5QzYwU2Mx8CX5d2bs92Yl1iclB3bsVmdlR2LcNWaw9CXt92Yu4GZjlGbh5yYjV3Lc9CX6MHc0RHaiojIsJye.png)
使用Tesseract项目识别中文,效果如下所示:
使用Tesseract项目识别英文,效果如下所示:
项目地址请参见:Tesseract OCR