【OCR】 - Tesseract OCR在Windows系统中安装

Tesseract OCR

在Windows环境下安装Tesseract OCR（Optical Character Recognition）通常包括以下几个步骤：

下载Tesseract

1. 访问Tesseract的GitHub发布页面：https://github.com/tesseract-ocr/tesseract/releases
2. 找到适合你操作系统的版本，通常是预编译的二进制文件，例如 tesseract-x.x.x-setup.exe
3. 下载并运行这个安装程序。

配置环境变量

1. 打开系统属性，可以通过右键点击“此电脑”或“我的电脑”，然后选择“属性”来访问。
2. 在打开的窗口中，找到并点击“高级系统设置”。
3. 在“系统属性”窗口中，切换到“高级”选项卡，然后点击“环境变量”按钮。
4. 在“环境变量”窗口中，在“系统变量”部分找到名为 Path
5. 在弹出的窗口中，点击“新建”按钮，然后添加Tesseract的安装路径。如果安装在默认位置，可能是
   C:\Program Files\Tesseract-OCR
6. 点击“确定”按钮关闭所有打开的窗口以保存更改。

测试安装

1. 打开命令提示符（CMD），可以通过按下 Win+R键，然后输入cmd并回车来打开。
2. 在命令行中输入以下命令，检查Tesseract是否已经正确安装和配置：

tesseract --version

如果一切正常，你应该能看到类似tesseract 5.0.0这样的输出，显示了当前安装的Tesseract版本信息。

安装语言包

1. 如果需要识别的语言不是英语（如简体中文），你需要下载对应的语言数据包。
2. 你可以从Tesseract官方镜像站点或者其他可靠来源下载所需的语言包。例如，简体中文的数据包通常是
   chi_sim.traineddata
3. 将下载的语言数据包放在Tesseract的 tessdata

C:\Program Files\Tesseract-OCR\tessdata

使用Tesseract

一旦安装完成并配置好环境变量，你就可以使用Tesseract进行文本识别了。一个基本的命令行用法如下：

tesseract image_file output_text -l language

其中，image_file是你要识别的图像文件名，
output_text是识别结果要保存的文本文件名，
language是你指定的识别语言（如eng、chi_sim等）。