使用ImageMagick和Tesseract进行简单数字图像识别
由于直接使用 tesseract 进行识别,识别率很低,
ImageMagick 安装、配置及使用：
平台：winXP
1. 安装ImageMagick（ImageMagick website:http://www.imagemagick.org/script/index.php）
下载并安装ImageMagick。 http://www.imagemagick.org/script/binary-releases.php#windows
输入 convert -version 验证是否成功
d:\>convert -version
Version: ImageMagick 6.8.- Q16 x64 -- http://www.imagemagick.org
Copyright: Copyright (C) - ImageMagick Studio LLC
Features: DPC Modules OpenMP
Delegates: bzlib cairo freetype jbig jng jp2 jpeg lcms lqr pangocairo png ps rsv
g tiff webp xml zlib
如果命令不能使用把install path加入系统path，以便能调用dll.如D:\Program Files\ocr\ImageMagick-6.8.9-Q16
下面介绍怎么用Tesseract配合ImageMagick进行简单的数字图像识别。
首先Tesseract只能识别bmp，tif，所以先拿ImageMagick转换一下图像。注意得无压缩转换，否则Tesseract报错。
convert -compress none ./S16.gif./S16.tif
然后将图片灰度化-colorspace Gray，或者直接二值化-monochrome成黑白，这样识别率会高一点。
接下来裁剪出想要进行精确识别的部分：-crop widthxheight+x+y
比如-crop 320x40+0+1，从左上角开始坐标为(0,1)处，裁剪出320*40大小的图像。注意参数里是英文字母x，不是乘号*。
还有就是网上搜到的-depth 8和-alpha off参数，实践表明加不加效果不大。
一步完成就像这样：
convert -compress none -depth -alpha off -crop 535x24++ -monochrome ./S16.gif ./S16.tif
convert.exe：ImageMagick套件的一部分，负责图片格式转换，各个参数的意义如下：
- -compress none：转换后的图片不要压缩，如果没有加这一项，后续tesseract处理的时候会报错：read_tif_image:Error:Illegal image format:Compression
- -depth 8：设置转换后图像的色深为8位，也就是bpp为8。如果没有此参数，后果如下：
Tesseract Open Source OCR Engine
check_legal_image_size:Error:Only 1,2,4,5,6,8 bpp are supported:16
Segmentation fault
- -alpha off：在转换后的图像中不要添加alpha图层。如果没有此参数，后果同上。
- -crop 320x40+0+1:从左上角开始坐标为(0,1)处，裁剪出320*40大小的图像。注意参数里是英文字母x，不是乘号*。
- 紧跟着就是待转换的图片的文件名，
- 最后是转换后的图片的文件名。
预处理完之后最好再放大一下，这次的样例放大到500%~600%的识别效率就能令人满意。
convert ./S16.tif -scale % ./S16B.tif
然后就可以开始用Tesseract进行识别了。
tesseract ./S16B.tif ./S16B -l eng -psm
-l eng是选择语言，-psm 7是说源图像是只在一行上的文字。具体说明看Tesseract的帮助。