OCR

OCR(Optical Character Recognition):光学字符识别（英语：Optical Character Recognition，OCR）是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

OCR技术非常专业，一般多是印刷、打印行业 的从业人员使用，可以快速的将纸质资料转换为电子资料。关于中文OCR，目前国内水平较高的有清华文通、汉王、尚书，其产品各有千秋，价格不菲。国外 OCR发展较早，像一些大公司，如IBM、微软、HP等，即使没有推出单独的OCR产品，但是他们的研发团队早已掌握核心技术，将OCR功能植入了自身的 软件系统。

 

OCR识别方法：

 

 Tesseract（Google）:

Tesseract是一个光学字符识别引擎，支持多种操作系统。[1]Tesseract是基于Apache许可证的自由软件[2]，自2006 年起由Google赞助开发[3]。2006年，Tesseract被认为是最精准的开源光学字符识别引擎之一。[2][4] 

Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。

数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。

Tesseract目前已作为开源项目发布，最新的稳定版本是3.05.01，于2017年6月1日发布。最新的3.05源代码可从GitHub上的3.05分支获得。新的基于LSTM的4.0版本的源代码可从GitHub上的主分支获得。请注意，该分支正在积极开发中。

 

Azure（微软）：

 

其它大公司的OCR开放平台：

1. Asprise Ocr：商业版本

2.ABBYY FineReader

3.CuneiForm/OpenOCR

….

 

版权声明：本文为merray原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://www.cnblogs.com/merray/p/9790044.html