开源ocr库

开源的OCR库，Opensourced OCR library

突然想起如何做一个论坛的发帖机，但是现在多数都要图片认证，需要一个OCR库来识别图片。于是在网上找了找，还真是有很多实现：

1. OCRE, OCR Easy, http://lem.eui.upm.es/ocre.html
2. Clara OCR, http://directory.fsf.org/claraocr.html
3. Ocrad, based on a feature extraction, http://directory.fsf.org/ocrad.html
4. GOCR, http://sourceforge.net/projects/jocr
5. OCRchie: Modular Optical Character Recognition Software， http://http.cs.berkeley.edu/~fateman/kathey/ocrchie.html
6. sf.net上还有很多正在进行的项目，不过大多数还停留在设想阶段

现在的问题，是测试这些库。不过猜测，这些OCR对付国内的网站还行，像MSN这样的图片肯定无效了。

下载这些程序分别测试了一下，

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。

测试了一下sina, baidu, taobao,他们都或多或少做了干扰噪音，所以基本不能识别。

用gocr能够正确识别的最好情况是能够正确识别4个数字中的3个。

   

看来在没有对图片作预处理之前，这种识别方式基本不可行。

还没有开始就已经结束了。

纸张在许多地方已日益失宠，无纸化办公谈论40多年，办公环境正限制纸山的生成。而过去几年，无纸化办公的概念发生了显着的转变。在计算机软件的帮助 下，包含大量重要管理数据和资讯的文档可以更方便的以电子形式储存。扫描文档的好处不纯粹是存档理由。为了访问基于纸张的信息和将信息整合进数字工作流， 光学字符识别(OCR)技术至关重要。选择正确的OCR工具要基于特定需求而定，例如在线OCR服务对某些人有用，但可能存在隐私问题和文件大小限制。 OCR软件非大众产品，因此开源替代相对于商业级重量级产品相对较少，再加上OCR软件需要先进的算法将扫描的图像正确翻译成实际的文字，而图像不仅仅含 有文字，它还包含布局、图形和表格，可能会跨越多页。

优秀的开源OCR软件包括：

Tesseract

原本由惠普开发的图像识别类库tesseract-ocr已经更新到2.04， 就是最近Google支持的那个OCR。原先是惠普写的，现在Open source了。

OCRopus

Ocropus的（TM）是一个先进的文件分析和OCR系统，采用可插入的布局分析，可插入的字符识别，自然语言统计建模和多语言支持功能。

Cuneiform

Cuneiform 是一个 OCR 文字识别系统的商标，最开始是由Cognitive 技术所开发的运行在 Windows 下的软件。而这个项目是该软件在 Linux 系统下的移植版本。

GOCR

GOCR 是一个开源的OCR光学识别程序。

OCRFeeder

OCRFeeder 是 GNOME 桌面下的一个开源 OCR 套件。可将纸质或者图形文档转成电子文档。

Lios

linux-intelligent-ocr-solution (Lios) 是Linux下一个开源的 OCR 解决方案，可将打印的文档转成可编辑的文本。