开源的OCR库

开源的OCR库

 

 

OCRE, OCR Easy,    http://lem.eui.upm.es/ocre.html

Clara OCR,              http://directory.fsf.org/claraocr.html

Ocrad, based on a feature extraction, http://directory.fsf.org/ocrad.html

GOCR,                     http://sourceforge.net/projects/jocr

OCRchie: Modular Optical Character Recognition Software， http://http.cs.berkeley.edu/~fateman/kathey/ocrchie.html

http://code.google.com/p/tesseract-ocr/

gocr和ocrad稍作修改可在Windows下编译运行。gocr用vc6, ocrad用gcc。

 

OCRE,OCRchie和clara OCR需要X window或gtk不太好编译。

 

tesseract 用VC ,10年前的东西,太老, 里面很多代码是STL的原型

 

 

 

 

　　Tesseract是一个开源OCR程序

 

　　之前就有看见有人在说，tesseract是10好几年前的东西，太老了。但是就在9个小时前，Tesseract OCR的开发人员用事实告诉世人，Tesseract OCR不但活着，还在不断地自我完善中。

 

　　2010年9月30日，Tesseract 正式发布了它的3.0版本（http://code.google.com/p/tesseract-ocr/）。

 

　　这次更新主要做了以下工作：

　　1. 为线程安全做了一些筹备工作：更改TessBaseAPI方法被非静态；为目录创建类的层次结构，以容纳实例数据，并开始移植代码到类当中；移动阈值代码到一个单独的类。

　　2. 增加了新的页面布局分析模块。

　　3. 新增HOCR输出。

　　4.添加Leptonica作为主要的图像输入输出及处理模块。现在，是否使用Leptonica是可选的，但是在未来的版本中，Leptonica是必须使用的模块。  http://www.leptonica.org/index.html

　　5. 重写歧义表（模糊表？），允许在fix_quotes中定义替换方式。

　　6. 新增TessdataManager，它可以将多个Tesseract特征数据文件合并成一个单一的文件。

　　7. 删除一些无用的代码。

　　8. 因为VC++ 6不能很好地应付模板的使用，它不再被Tesseract支持。

　　9. 对大部分的函数头注释进行了修改。

 

　　还有一点没有写在官方的release notes里面，但是我个人觉得是非常非常好的改进：支持识别更多的语言，其中就包括简体中文和繁体中文。

 

 

利用开源程序（ImageMagick+tesseract-ocr）实现图像验证码识别